Recientemente, aprendí que el algoritmo de súper resolución usa el marco PyTorch, y hay muchos errores pequeños, como versiones inconsistentes, la velocidad de descarga de cuda+cudnn es demasiado lenta, etc. Así que escriba un blog aquí para registrar el proceso de instalación en detalle. Viene con paquetes de instalación CUDA + cudnn para cada versión
Tabla de contenido
2. Descarga, instala y configura Cuda
2.1.1 Comprobar si la máquina tiene una tarjeta gráfica independiente
2.1.2 Descargar el paquete de instalación de CUDA
2.2 Configurar el entorno cuda
2.2.1 Probar si la instalación es exitosa
3. Descarga y configuración de CUDNN
6. Enlace de descarga del disco de red de Baidu
1. Introducción
Dado que la versión de la CPU ya se ha instalado, la instalación de la versión de la GPU en este entorno causará contaminación ambiental.
Por lo tanto, al volver a instalar la versión de la GPU, debe crear un nuevo entorno virtual para instalarla correctamente.
Luego vaya al sitio web oficial para descargar la versión adaptada. Después de instalar cuda y cudnn, comience a instalar la versión gpu de pytorch.
2. Descarga, instala y configura Cuda
2.1 Instalar Cuda
2.1.1 Comprobar si la máquina tiene una tarjeta gráfica independiente
En primer lugar, debemos determinar si la máquina tiene una tarjeta gráfica discreta. En Computer-Management-Device Manager-Display Adapter, verifique si hay una tarjeta gráfica discreta.
Se puede ver que esta máquina tiene una tarjeta gráfica integrada y una tarjeta gráfica discreta NVIDIA GeForce RTX 2080 SUPER
2.1.2 Descargar el paquete de instalación de CUDA
Pruebe si la tarjeta gráfica independiente local es compatible con la instalación de CUDA (haga clic aquí )
En la imagen de arriba, puede ver que mi tarjeta gráfica discreta local es compatible con la instalación de CUDA y la potencia informática es 7.5.
Luego, el siguiente paso es elegir CUDA para instalar, haga clic aquí
Seleccione la opción correspondiente según el sistema informático, seleccione local para exe, descargue e instale
2.1.3 Iniciar la instalación
Luego está el proceso de instalación, haga doble clic para abrir y mostrar el directorio de descompresión temporal, no es necesario cambiar, el valor predeterminado está bien.
Luego, ingrese al proceso de instalación de NVIDIA.Durante este proceso de instalación, elegí directamente la instalación simplificada al principio, pero debido a VS, no se pudo instalar normalmente, así que cambié a un método de instalación personalizado y marqué VS para eliminarlo, y se puede instalar normalmente En cuanto al directorio de instalación de CUDA, puede instalarlo en la unidad C de forma predeterminada.
Retire el gancho VS.
La ubicación de instalación es la mejor predeterminada porque la ruta del entorno del sistema debe configurarse más adelante. por supuesto esto es solo una sugerencia
Se instala lo siguiente.
2.2 Configurar el entorno cuda
Una vez finalizada la instalación, se configuran las variables de entorno. La configuración de la variable de entorno se muestra en la siguiente figura.
Vaya a la variable de entorno Path para crear e inserte la ruta correspondiente.
C:\Archivos de programa\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Archivos de programa\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Archivos de programa\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64
2.2.1 Probar si la instalación es exitosa
El último paso es probar si CUDA está instalado normalmente.
1. Presione "tecla de Windows + R" en el teclado al mismo tiempo, ingrese "cmd" y presione Entrar para ingresar a la interfaz de línea de comandos de Windows.
2. Ingrese "nvcc -V" en la línea de comando y presione Entrar
3. Si CUDA se instaló correctamente, se mostrará el número de versión de CUDA.
Puede ver que la prueba es exitosa y luego descargar cudnn.
3. Descarga y configuración de CUDNN
3.1 Descargar CUDNN
Haga clic aquí y seleccione descargar cudnn, pero necesita registrar una cuenta aquí, y luego puede descargar la página después de completar el cuestionario, de todos modos, puede hacerlo paso a paso.
Entonces porque la versión de CUDA en mi último paso es 10.2, y la versión de CUDNN debe ser consistente con la versión de CUDA.
3.2 Configurar cudnn
Después de descargar, descomprima, copie los archivos bin, include y lib en el paquete comprimido de CUDNN directamente en el directorio de instalación de CUDA y sobrescriba directamente la instalación.
4. Instalar pytorch-gpu
Vaya directamente al sitio web oficial de Pytorch, aquí , porque elijo de acuerdo con mi propia configuración, intenté instalarlo con conda, pero la instalación de conda siempre falla, y también reemplacé la fuente del espejo Tsinghua, pero la velocidad es muy lenta, y no hay movimiento durante mucho tiempo. Aunque la descarga de pip también es bastante lenta, al menos se puede instalar con éxito.
4.1 Instalación Conda
Elija la versión que más le convenga, pero si usa el método conda para descargar, no puede descargar correctamente con esta declaración directamente, porque su servidor está en el extranjero, por lo que debe elegir una fuente espejo nacional. (La escalera ya ha dado el enlace de arriba)
En el entorno activado, ingrese el comando en el cuadro rojo de arriba: (puede seleccionar directamente la imagen reflejada)
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
El sitio web oficial predeterminado de pytorch es la fuente de descarga, la velocidad de descarga es demasiado lenta, es fácil informar un error
Cambie a la imagen de la Universidad de Tsinghua, ingrese el siguiente comando en la línea de comando:
# 添加Anaconda的清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
Luego ingrese:
conda install pytorch torchvision torchaudio cudatoolkit=11.3
Tenga en cuenta que se debe eliminar el siguiente -c pytorch; de lo contrario, se seguirá utilizando la descarga de origen predeterminada.
Esperando descarga e instalación:
Instalación exitosa. .
4.2 Instalar vía pip
Actualizar pip primero
python -m pip install --upgrade pip -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
Puede usar directamente el enlace de descarga en su sitio web oficial, pero es mejor agregar la fuente de Tsinghua.
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
Espere a que la instalación se realice correctamente.
5. Probando PyTorch
import torch
print(torch.cuda.device_count())
#可用gpu数量
print(torch.cuda.is_available()) # #是否可用gpu
verdadero significa que PyTorch se instaló y configuró correctamente para usar Gpu.
6. Enlace de descarga del disco de red de Baidu
Enlace: https://pan.baidu.com/s/1GDokaoclNaTbJEeoQrrcaw
Código de extracción: 4lla
--Compartir desde Baidu Netdisk supermember V5