1. Primero verifique si hay algún problema con el controlador de su tarjeta gráfica.
Si hace clic derecho en la computadora y aparece (panel de control de nvidia), no haga lo siguiente
De lo contrario, deberá realizar las siguientes operaciones
(Haga clic derecho en esta computadora, busque Administración y ábrala)
Buscar administrador de dispositivos
Busque el adaptador de pantalla (el modelo de su tarjeta gráfica estará aquí)
Con base en la información anterior, podemos ir al sitio web oficial de NVIDIA para buscar la actualización o descarga del controlador de la tarjeta gráfica correspondiente para nuestra tarjeta gráfica.
Dirección de descarga del controlador de la tarjeta gráfica
Después de instalar el controlador de la tarjeta gráfica, presionamos la combinación de teclas win+R para abrir la ventana de comando cmd e ingresamos el siguiente comando
nvidia-smi
Puede ver que la versión del controlador es 527.56, la versión CUDA más alta admitida es la versión 12.0. Podemos instalar el entorno según esta información.
2. Instalación de anaconda
Vaya al sitio web oficial para descargar el paquete de instalación de anaconda Anaconda | Distribución Anaconda
Instalar
Recuerda seleccionar este paso (añadir)
De esta forma queda instalada nuestra anaconda.
3. Instalación de pytorch
Ingrese el mensaje de anaconda
Ejecutar código
conda env list
Después de ejecutar el código, puede ver el entorno virtual que creó en anaconda (esto es lo que yo he creado, incluidos paddle, pytorch, etc.)
Si lo instalas por primera vez, solo tendrás un entorno base.
En este momento creamos nuestro propio entorno pytorch (aquí podemos especificar el número de versión de Python, por ejemplo, el mío es python3.9)
conda create -n pytorch python=3.9
Le pedirá que configure el paquete de entorno correspondiente e ingrese y (y representa sí)
En este momento, nuestro entorno pytorch ya está establecido, pero debemos ingresar y configurar los paquetes correspondientes para el aprendizaje profundo.
Primero tenemos que entrar en el entorno de pytorch.
conda activate pytorch
La descarga de paquetes de entorno relacionados es relativamente lenta, por lo que cambiamos la fuente del entorno. En el entorno de pytorch, ejecutamos el siguiente nombre para cambiar el entorno a la fuente de Tsinghua.
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
En este momento abrimos el sitio web oficial de pytorch ( PyTorch ) y seleccionamos nuestra versión.
Cópialo y ejecútalo en nuestro entorno pytorch.
conda install pytorch torchvision torchaudio pytorch-cuda=11.7
因为我们刚刚进行了换源,不需要把后面的-c pytorch -c nvidia复制过来,那样下载速度会很慢,然后慢慢下载就好啦!