1. グラフィックス カード ドライバーをインストールまたは更新します。
コンピューターの構成とニーズに応じて、グラフィックス カード ドライバーをインストールまたは更新します。nvidia グラフィックス カード ドライバーのダウンロード アドレス:公式ドライバー | NVIDIA
ダウンロードが遅いかもしれないので、はしごがあったほうが良いでしょう。ダウンロードが完了したら、exeファイルをインストールします。インストールが完了したら、cmd コマンド ウィンドウを開き、次のコマンドを入力してグラフィック カード ドライバーの情報を表示します。
nvidia-smi
グラフィックス カード ドライバーの情報に従って、ドライバーのバージョンとサポートされている最も高い CUDA バージョンを確認できます。次に、この情報に基づいて環境をインストールする必要があります。
2.アナコンダをインストールする
Anaconda経由でpytorchをインストールします。Anaconda公式サイトアドレス:Anaconda | Anaconda Distribution
公式 Web サイトを開いて、コンピューターのバージョンに応じて対応するインストール パッケージをダウンロードします。
ダウンロードした anaconda インストール パッケージをダブルクリックし、インストール手順に従ってインストールします。インストール プロセス中に注意する点は 2 つあります。1 つは適切なインストール パスを選択すること、2 つ目は、次の図に示すように環境変数に anaconda を追加してチェックを入れることです。
インストール完了後、winキーをクリックするとAnaconda3フォルダが表示されるのでanacondaがインストールされます。
3. pytorch環境をインストールする
図に示すように、win キーをクリックして Anaconda3 フォルダーを見つけ、Anaconda ターミナルを開きます。
次のコマンドを入力して、pytorch 仮想空間を作成します。インストールするかどうかを尋ねられたら、「y」と入力します。
conda create -n pytorch python=3.9
次に、次のコマンドを入力して pytorch 環境をアクティブにします。
conda activate pytorch
図に示すように、作成したばかりの pytorch 仮想環境に入ります。
次に、 pytorch の公式 Web サイトPyTorchを開きます。最初のステップでは、グラフィックス カード ドライバーが cuda11.6 バージョンまでサポートしていることがわかっているため、以下の図に示すように cuda11.3 バージョンの cuda を選択し、赤色のコマンドをコピーします。箱。
コピーした内容をpytorch環境のターミナルに貼り付けて実行します。
次に、環境に必要な依存パッケージのダウンロードを開始します。ウェブサイトの問題により、ダウンロードが遅くなる場合があります。この時点で、pytorch の深層学習環境がインストールされます。
4. 確認する
Anaconda のターミナルを開き、pytorch 環境をアクティブにします。pytorch 環境で次のコマンドを順番に入力します。
python
import torch
torch.cuda.is_available()
出力が次のようになれば、pytorch 環境は正常にインストールされています。
5.pycharmをインストールする
pycharm公式Webサイトを開き、 PyCharmをダウンロードし、コミュニティバージョン(無料)をダウンロードします。
インストール パッケージをクリックし、インストール手順に従い、適切なパスを選択し、[環境変数に追加] をオンにして (そのページですべてをオンにできます)、インストールを完了します。
ソフトウェアを開き、新しいプロジェクトを作成し、右下隅の [インタープリタの追加...] をクリックします。
図の赤いボックスを押して対応するオプションを選択し、「OK」をクリックすると、pytorch 環境の構成が完了します。
図に示すように、pytorchを選択します。
ここまでで、pytorchをベースとしたディープラーニング環境のインストールが完了しました。