1. Instale o Anaconda
Baixe e instale no site oficial: https://www.anaconda.com/download
2. Instale o pycharm
https://www.jetbrains.com/pycharm/download/#section=windows
Basta usar a versão da comunidade .
3. Verifique o ambiente conda
Pressione win+r, digite cmd e pressione Enter para abrir a janela de comando
Digite na janela de comandoconda
O ambiente é bom.
4. Crie um ambiente virtual:
incluindo o nome do ambiente e o nome da versão do python.
Formatar:
conda create -n 环境名称 python=版本
Por exemplo, meu nome de ambiente é pytorch_gpu_23.5.30, usando python3.8, digite:
conda create -n pytorch_gpu_23.5.30 python=3.8
Enter conda activate pytorch_gpu_23.5.30depois de ativar o ambiente atual, enter pythonpara verificar se a versão do python instalada está correta, enter exit()para sair
enter conda deactivatepara sair do ambiente atual
5. Defina o interpretador
Abra o pycharm, clique em File-Settings para
adicionar o interpretador
Clique em Add Interpreter, use o ambiente existente e adicione o que você acabou de criar
6. Instale o cuda
e abra o site oficial do pytorch: https://pytorch.org/ Clique em Começar
para escolher as opções de acordo com suas necessidades. Meu computador suporta as versões CUDA11.7 e CUDA11.8.
Abra o endereço de download do site oficial do CUDA: https: // developer.nvidia.com/cuda-downloads
Após selecionar suas opções, clique em download
. Após a conclusão do download, clique duas vezes para instalar. É melhor instalar no caminho padrão, porque ele será usado posteriormente.
7. Verifique se o cuda foi instalado com sucesso.
Digite o caminho C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA para verificar se sua versão está instalada corretamente
Entre na pasta v11.7-bin , e copie o caminho, digite no terminal:
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
Então digite:
nvcc -V
A versão cuda é mostrada na saída
8. Baixe
o endereço do site oficial do cudnn: https://developer.nvidia.com/cudnn
Após o download e a descompactação, abra as três pastas respectivamente e copie as pastas para a pasta com o mesmo nome no caminho CUDA. Observe que bin, O conteúdo das pastas include e lib não é para copiar a pasta inteira.
9. Verifique se a instalação foi bem-sucedida.
Entre na pasta: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite
Copie o caminho, digite na linha de comando:
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite
Então digite:
bandwidthTest.exe
A entrada PASS aparece quando a operação é bem-sucedida
:
deviceQuery.exe
Após a execução, a versão CUDA instalada será exibida e PASS também aparecerá, o que significa sucesso.
10. Instale o pytorch
e digite a URL exibida na interface pip do pytorch, a minha é: https://download.pytorch.org/whl/cu117
Clique em maçarico, encontre a versão correspondente de acordo com suas necessidades, python3.8 corresponde a cp38 , cuda11.7 Depois que o cu17 correspondente
for baixado, faça o download do archivision, ainda escolha de acordo com sua própria versão e escolha o archvision que se adapta à sua tocha baixada de acordo com a tabela abaixo
11. Instalar o archote e o archivision
Abra o terminal do pychram.Por exemplo, meu arquivo é baixado na pasta de instalação do disco F. Primeiro entre cd F:\installnessa pasta, depois digite: pip install torch-1.13.0+cu117-cp38-cp38-win_amd64.whlinstale o maçarico
e depois entre para pip install torchvision-0.14.0+cu117-cp38-cp38-win_amd64.whlinstalar o archivision.
12. Verifique se a instalação foi bem-sucedida
Crie um novo arquivo python e digite:
import torch
print("hello:{}".format(torch.__version__))
Após a execução, o sistema emite a versão de instalação, o que significa que a instalação foi bem-sucedida.
