Este tutorial es el último tutorial de configuración del entorno de entrada de aprendizaje profundo. Seguir este tutorial puede ayudarle a resolver los problemas de configuración del entorno antes de comenzar con el aprendizaje profundo. Al mismo tiempo, este tutorial se niega a ser trivial y la mayoría de los tutoriales tienen forma de ilustraciones. Aquí instalamos la última versión ~
Directorio de artículos
1. Instalación de anaconda
1.1 descargar
Primero, ingrese la dirección de descarga de Aanconda: https://www.anaconda.com/download/
Si cree que la descarga es lenta, también puede utilizar el sitio web espejo del software de la Universidad de Tsinghua: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
1.2 Instalación
Una vez completada la descarga, hacemos clic en el paquete de instalación para iniciar la instalación.
Aquí puede cambiar la ruta de instalación a la unidad D, la predeterminada es la unidad C.
El tiempo de instalación de la última versión es un poco largo, solo espera tranquilamente.
Desmarque los dos anteriores; de lo contrario, se abrirán el sitio web y la herramienta de navegación Anaconda.
1.3 Configuración del entorno
Los pasos son los siguientes: 此电脑----->属性----->高级系统设置----->环境变量----->path----->编辑----->新建
(Muchos software configuran variables de entorno aquí, debe estar familiarizado con ellos), si es demasiado vago, simplemente presione la tecla win para buscar “环境变量”
.
Después de configurar el entorno, probémoslo.
Devolver la versión indica que la configuración ha sido exitosa.
2. Instalación de Cuda
2.1 Ver la versión cuda
Antes de instalar cuda, primero debemos verificar si nuestra computadora tiene una tarjeta gráfica discreta, de ser así, debemos verificar la versión de cuda.
Puede mantener presionado el teclado Win+R
e ingresar cmd para ingresar al terminal. Use el comando: nvidia-smi
Compruébelo
, recuerde su propio número de versión, porque cuando instalamos cuda, necesitamos instalar la 不高于
versión de cuda con este número de versión.
2.2 descarga del paquete de instalación de cuda
Según mi versión de cuda es 12.1, entonces puedo instalar una versión inferior a 12.1, pero no demasiado baja.
Primero, ingrese la dirección de descarga: https://developer.nvidia.com/cuda-toolkit-archive
Aquí, elijo instalar la versión 11.7, haga clic en el frente CUDA Toolkit 11.7.0
, recuerde hacer clic en el cuadro rojo en la imagen de arriba y podrá saltará después de hacer clic en otra interfaz de documento.
2.3 instalación de cuda
Después de hacer clic en la imagen de arriba para instalar, se descargará el paquete de instalación. Si la velocidad de la red no es buena, llevará mucho tiempo.
Una vez completada la descarga, haga clic en Instalar.
Después de hacer clic en el paquete de instalación, primero aparecerá un mensaje como el que se muestra en la figura siguiente, simplemente haga clic en Aceptar y no es necesario cambiar la ruta.
Luego, los pasos de instalación se muestran sucesivamente en la siguiente figura:
la instalación se completa en la figura anterior, simplemente haga clic para cerrar.
A continuación, podemos nvcc -V
verificar si la instalación se realizó correctamente mediante el comando de terminal.
Tres, instalación de cuDNN
La instalación de cuDNN también requiere la versión correspondiente de Cuda. Al mismo tiempo, cuando ingresamos al sitio web oficial, debemos iniciar sesión en nuestra cuenta, porque cuDNN solo se puede descargar después de iniciar sesión en la cuenta.
Dirección de descarga del paquete de instalación : https://developer.nvidia.com/rdp/cudnn-download
No entraré en detalles sobre cómo iniciar sesión. Es muy simple. Simplemente ingrese su dirección de correo electrónico y haga clic. Next
Después de ingresar, puede elegir WeChat para iniciar sesión y luego ingrese el correo electrónico para verificar.
3.1 descarga del paquete de instalación de cuDNN
Luego de ingresar al sitio web de descarga, aparecerá la siguiente interfaz, podemos elegir la versión correspondiente de cuDNN de nuestro propio Cuda para expandir y descargar.
3.2 Configuración de cuDNN (también se puede considerar como cobertura de pegado)
Una vez completada la descarga, descomprímalo, luego copie el contenido bin、include
y lib
el directorio dentro, y luego vaya al directorio de instalación de Cuda, como se muestra en la siguiente figura:
Ingrese el directorio:: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7
y
péguelo.
Una vez que se completa el pegado, ya está. En este momento, podemos eliminar todos los paquetes de instalación anteriores.
Cuatro, instalación de Pytorch
Primero, ingrese al sitio web oficial de Pytorch: https://pytorch.org/
y luego deslícese hacia abajo, como se muestra en la siguiente figura:
Puede ver que las últimas versiones 11.7 y 11.8 están disponibles en el sitio web oficial. Aquí, dado que estamos instalando cuda versión 11.7, podemos copiar directamente el comando anterior e instalarlo en el entorno virtual Anaconda.
# CUDA 11.7 安装命令:
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
Si la versión de CUDA es demasiado baja y desea instalar la versión anterior, puede hacer clic a continuación Previous versions of PyTorch
para instalar la versión anterior.
4.1 Creación de entorno virtual pytorch en Anaconda
Al instalar, primero podemos crear un entorno virtual de pytorch en Anaconda, el comando es el siguiente:
conda create -n pytorch python=3.7
Se recomienda instalar Python 3.7 o 3.8 aquí, que es más estable.
Después de crear el entorno virtual, podemos conda env list
ver el entorno virtual instalado mediante el comando.
4.2 instalación de pytorch
Una vez creado el entorno virtual, usamos el comando conda activate pytorch
para ingresar al entorno virtual de pytorch.
Cuando vea que la base (entorno básico) entre paréntesis izquierdos ha cambiado al entorno pytorch, significa que la activación del entorno virtual se realizó correctamente.
En este momento, podemos ingresar directamente el comando de instalación copiado del sitio web oficial de pytorch para instalarlo.
La velocidad de instalación aquí también es diferente según la velocidad de la red de cada persona, y lleva un tiempo esperar.
Una vez completada la instalación, podemos ingresar el comando python para ingresar al compilador de Python.
Ingrese el siguiente comando para verificar que la instalación fue exitosa:
import torch
torch.cuda.is_available()
Devuelva True para demostrar que la instalación fue exitosa. En este momento, podemos comenzar nuestro viaje de aprendizaje profundo ~