1. Installez Anaconda
Téléchargez et installez depuis le site officiel : https://www.anaconda.com/download
2. Installez pycharm
https://www.jetbrains.com/pycharm/download/#section=windows
Utilisez simplement la version communautaire .
3. Vérifiez l'environnement conda
Appuyez sur win + r, entrez cmd et appuyez sur Entrée pour ouvrir la fenêtre de commande
Tapez dans la fenêtre de commandeconda
L'environnement est bien.
4. Créez un environnement virtuel :
indiquez le nom de l'environnement et le nom de la version de Python.
Format:
conda create -n 环境名称 python=版本
Par exemple, mon nom d'environnement est pytorch_gpu_23.5.30, en utilisant python3.8, entrez :
conda create -n pytorch_gpu_23.5.30 python=3.8
Entrez conda activate pytorch_gpu_23.5.30
après avoir activé l'environnement actuel, entrez python
pour vérifier si la version de python installée est correcte, entrez pourexit()
quitter
entrez pour quitter conda deactivate
l'environnement actuel
Cliquez sur Ajouter un interprète, utilisez l'environnement existant et ajoutez celui que vous venez de créer
6. Installez cuda
et ouvrez le site Web officiel de pytorch : https://pytorch.org/ Cliquez sur Démarrer
pour choisir les options en fonction de vos besoins. Mon ordinateur prend en charge les versions CUDA11.7 et CUDA11.8.
Ouvrez l'adresse de téléchargement du site Web officiel de CUDA : https : // developer.nvidia.com/cuda-downloads
Après avoir sélectionné vos options, cliquez sur télécharger
. Une fois le téléchargement terminé, double-cliquez pour installer. Il est préférable d'installer dans le chemin par défaut, car il sera utilisé plus tard.
7. Vérifiez que cuda est installé avec succès
Entrez le chemin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA pour vérifier si votre version est correctement installée
Entrez dans le dossier v11.7-bin , et copiez le chemin, entrez dans le terminal :
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
Tapez ensuite :
nvcc -V
La version cuda est affichée dans la sortie
8. Téléchargez
l'adresse du site Web officiel de cudnn : https://developer.nvidia.com/cudnn
Après le téléchargement et la décompression, ouvrez les trois dossiers respectivement et copiez les dossiers dans le dossier portant le même nom sous le chemin CUDA. Notez que bin, Le contenu des dossiers include et lib ne doit pas copier l'intégralité du dossier.
9. Vérifiez si l'installation a réussi.
Entrez le dossier : C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite
Copiez le chemin, entrez dans la ligne de commande :
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite
Tapez ensuite :
bandwidthTest.exe
L'entrée PASS apparaît lorsque l'opération est réussie
:
deviceQuery.exe
Après l'exécution, la version CUDA installée sera affichée et PASS apparaîtra également, ce qui signifie succès.
10. Installez pytorch
et entrez l'URL affichée sur l'interface pip de pytorch, la mienne est : https://download.pytorch.org/whl/cu117
Cliquez sur torche, trouvez la version correspondante selon vos besoins, python3.8 correspond à cp38 , cuda11.7 Une fois le cu17 correspondant
téléchargé, téléchargez torchvision, choisissez toujours selon votre propre version, et choisissez la torchvision qui convient à votre torche téléchargée selon le tableau ci-dessous
11. Installer torch et torchvision
Ouvrez le terminal de pychram Par exemple, mon fichier est téléchargé dans le dossier d'installation du disque F. Entrez d'abord dans cd F:\install
ce dossier, puis entrez : pip install torch-1.13.0+cu117-cp38-cp38-win_amd64.whl
install torch
puis entrez pour pip install torchvision-0.14.0+cu117-cp38-cp38-win_amd64.whl
installer torchvision.
12. Vérifiez si l'installation a réussi
Créez un nouveau fichier python et saisissez :
import torch
print("hello:{}".format(torch.__version__))
Après l'exécution, le système génère la version d'installation, ce qui signifie que l'installation est réussie.