このチュートリアルは、最新のディープ ラーニング エントリ環境構成チュートリアルです。このチュートリアルに従うと、ディープ ラーニングを開始する前に環境構成の問題を解決できます。同時に、このチュートリアルは簡単なものではなく、ほとんどのチュートリアルはイラスト形式になっています。ここで最新バージョンをインストールします~
記事ディレクトリ
1.Anacondaのインストール
1.1 ダウンロード
まず、Aanconda のダウンロード アドレスを入力します: https://www.anaconda.com/download/
ダウンロードが遅いと思われる場合は、清華大学のソフトウェア ミラー Web サイト ( https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ ) を使用することもできます。
1.2 インストール
ダウンロードが完了したら、インストール パッケージをクリックしてインストールを開始します。
ここでインストール パスを D ドライブに変更できます。デフォルトは C ドライブです。
最新バージョンのインストールには少し時間がかかりますが、静かに待ちます。
上記 2 つのチェックを外すと、Web サイトと Anaconda ナビゲーション ツールが開きます。
1.3 環境構成
手順は次のとおりです。此电脑----->属性----->高级系统设置----->环境变量----->path----->编辑----->新建(多くのソフトウェアはここで環境変数を設定します。これについてはよく知っているはずです)、面倒な場合は、win キーを押して検索してください“环境变量”。
環境を構築したら、テストしてみましょう。
バージョンが返された場合は、構成が成功したことを示します。
2.Cudaのインストール
2.1 cudaのバージョンを表示する
cuda をインストールする前に、コンピュータに個別のグラフィック カードが搭載されているかどうかを確認し、搭載されている場合は cuda のバージョンを確認する必要があります。
キーボードを押したままWin+R「cmd」と入力すると、ターミナルに入ることができます。コマンドを使用します: nvidia-smiCheck
it out, 自分のバージョン番号を覚えておいてください。cuda をインストールするときは、不高于このバージョン番号を持つ cuda バージョンをインストールする必要があるためです。
2.2 cudaインストールパッケージのダウンロード
私の cuda バージョンは 12.1 によると、12.1 未満のバージョンをインストールできますが、低すぎることはありません。
まず、ダウンロード アドレスを入力します: https://developer.nvidia.com/cuda-toolkit-archive
ここでは、バージョン 11.7 をインストールすることを選択し、正面をクリックしCUDA Toolkit 11.7.0、上の図の赤いボックスをクリックすることを忘れないでください。クリックすると別のドキュメントインターフェイスにジャンプします。
2.3 cudaのインストール
上の画像をクリックしてインストールすると、インストールパッケージがダウンロードされますが、ネットワーク速度が悪い場合は時間がかかります。
ダウンロードが完了したら、「インストール」をクリックします。
インストール パッケージをクリックすると、最初に次の図に示すようなプロンプトが表示されます。[OK] をクリックするだけで、パスを変更する必要はありません。
次に、インストール手順を次の図に順番に示します。
上の図ではインストールが完了しています。クリックして閉じるだけです。
次に、nvcc -Vターミナル コマンドを使用して、インストールが成功したかどうかを確認します。
3、cuDNNのインストール
cuDNN のインストールには、対応するバージョンの Cuda も必要です。同時に、公式 Web サイトにアクセスするときは、アカウントにログインする必要があります。cuDNN はアカウントにログインした後にのみダウンロードできるためです。
インストールパッケージのダウンロードアドレス: https://developer.nvidia.com/rdp/cudnn-download
ログインについては詳しく説明しませんが、メールアドレスを入力してクリックするだけですので、Next入力後、WeChatを選択することができますをクリックしてログインし、電子メール確認を入力します。
3.1 cuDNN インストールパッケージのダウンロード
ダウンロード Web サイトに入ると、次のインターフェイスが表示されます。展開してダウンロードする独自の Cuda の cuDNN の対応するバージョンを選択できます。
3.2 cuDNN 設定 (ペーストカバレッジともみなせます)
ダウンロードが完了したら、解凍し、その中のコンテンツbin、includeとlibディレクトリをコピーして、次の図に示すように、Cuda のインストール ディレクトリに移動します。ディレクトリ
を入力して貼り付けます。C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7
貼り付けが完了したら完成です。この時点で、以前のインストール パッケージをすべて削除できます。
4、Pytorchのインストール
まず、以下の図に示すように、Pytorch の公式 Web サイト ( https://pytorch.org/ ) にアクセスし、下にスライドします。公式 Web サイトでは、最新バージョン 11.7 および 11.8 が入手可能であることがわかります。ここでは cuda バージョン 11.7 をインストールしているので、上記のコマンドを直接コピーして Anaconda 仮想環境にインストールできます。
# CUDA 11.7 安装命令：
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
CUDA のバージョンが低すぎるため、以前のバージョンをインストールしたい場合は、以下をクリックしてPrevious versions of PyTorch古いバージョンをインストールできます。
4.1 Anacondaでのpytorch仮想環境の作成
インストールするときは、まず Anaconda で pytorch 仮想環境を作成できます。コマンドは次のとおりです。
conda create -n pytorch python=3.7
ここでは、より安定している Python 3.7 または 3.8 をインストールすることをお勧めします。
仮想環境を作成した後、conda env listコマンドを使用してインストールされた仮想環境を表示できます。
4.2 pytorchのインストール
仮想環境が作成されたら、コマンドを使用してconda activate pytorchpytorch 仮想環境に入ります。
左括弧内のbase（基本環境）がpytorch環境に変わっていれば、仮想環境の起動は成功です。
この時、pytorch公式サイトからコピーしたインストールコマンドを直接入力してインストールすることができます。
ここのインストール速度も人それぞれのネットワーク速度によって異なり、待ち時間がかなりかかります。
インストールが完了したら、python コマンドを入力して Python コンパイラを起動できます。
次のコマンドを入力して、インストールが成功したことを確認します。
import torch
torch.cuda.is_available()
True を返して、インストールが成功したことを証明します。この時点で、深層学習の旅を開始できます~