目次
1. GPUバージョンとCUDAバージョン、cudnnバージョン、グラフィックスカードドライバーの対応
1.1 pytorch公式Webサイトを使用してインストールする
1. Anacondaのインストールと仮想環境の作成
1.アナコンダのダウンロード
Anaconda 公式 Web サイト: https://www.anaconda.com
清華大学オープンソース ミラーのダウンロード: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
Anacondaは上記2通りの方法でダウンロードできますが、anacondaの公式サイトからダウンロードした方が最新版となりますが、問題はPythonのバージョンが一般的に最新、つまり生成されたcondaベース環境のPythonのバージョンであることです。が最新です。これはダウングレードできないようです。多くのバージョンを試しましたが、できません。ただし、全体的な状況には影響しません。独自の環境を作成して、自分に合ったバージョンの Python をインストールできます。
2.Anacondaのインストール
これは比較的簡単で、基本的には次のステップに進むだけですが、インストール中のスクリーンショットはないので、とりあえず csdn リンクを貼っておきます。
(メッセージ数 121 件) Anaconda インストールチュートリアル (超詳細版)_anaconda のインストール_EEdith のブログ - CSDN ブログ
3. 仮想環境の作成
conda のインストール後に付属する環境はニーズに合わない可能性があるため、通常は 1 つ以上の仮想環境を作成する必要があります。よく使用されるコマンドをいくつか示します。
文法 | 関数 |
---|---|
conda --version | conda のバージョン番号を表示する |
Python --バージョン | Python のバージョン番号を表示する |
conda 情報 --envs | 仮想環境のリストを表示する |
conda create -n virtualname pip python=3.6 | 仮想環境を作成し、Python のバージョン番号を指定します |
conda activate virtualname | 仮想環境をアクティブ化する |
conda が無効になっています | 仮想環境を終了する |
conda 削除 --name virtualname --all | 仮想環境の削除 |
3.1 環境の起動
conda 環境は、以下に示すように、スタート メニューのプログラムを通じて開始されます。
起動後は以下のようになります。
3.2 ミラーソースの切り替え
直接ダウンロードには多くの制限があり、ダウンロード速度は非常に高くなります。一般に、最初にミラー ソースを切り替える必要があります。国内のミラー ソースは多数あります。一般に、清華ミラー ソースがよく使用されます。問題がある場合は、清華大学の場合、具体的な順序は次のとおりです。
conda config --add チャネル https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add チャネル https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/主要/
他のミラーソースに切り替える前に必ずデフォルトに戻してください。コマンドは次のとおりです。
conda config --remove-key チャネル
3.3 環境構築
環境を作成する際の注意点は 2 つあり、1 つは任意に設定できる環境名、2 つ目は Python のバージョンで、ここでインストールする必要があるのはバージョン 3.7 です。
conda create -n virtualname pip python=3.7
3.4 環境のアクティブ化
3.5 環境の削除
環境を削除するステートメントも記録し、その後に必ずすべてを追加してください。
conda 削除 -name virtualname --all
2.pycharmのインストール
1.pycharmのダウンロード
pycharm 公式 Web サイト: PyCharm をダウンロード: JetBrains がプロの開発者向けに提供する Python IDE
pycharm の有効化については、ここでは当面触れません。
2.pycharmのインストール
pycharmのインストールに関しては、見つけたURLも載せておきます。
(メッセージ数 121) PyCharm インストール チュートリアル_Xiaobi の CS-CSDN ブログを学ぶブログ
3. CUDAのインストール
1. GPUバージョンとCUDAバージョン、cudnnバージョン、グラフィックスカードドライバーの対応
1.1 まずグラフィックカードを確認してください
nvidia-smi
ここではグラフィックス カード ドライバーに焦点を当てますが、後ほど公式 Web サイトで対応する cuda バージョンを見つける必要があります。
1.2cudaとドライバーの比較表
次の URL から比較を見つけてください
CUDA 12.2 リリースノート (nvidia.com)
1.3 cudaをダウンロードする
cuda の公式 Web サイトにアクセスし、ドライバーに合った cuda のバージョンを選択します。最初は 12.2 を選択しました。その後、tensorflow と pytorch をインストールした後、このバージョンの方が高いことがわかり、下げる必要があることがわかりました。ここでは 11.8 を使用します。
cuda 公式 Web サイトのダウンロード: CUDA Toolkit Archive | NVIDIA Developer
1.4cudaのインストール
スクリーンショットがない場合は、次のステップに進み、見つけた URL を投稿してください。
Windows への cuda のインストール - wenglabs - Blog Park (cnblogs.com)
4. CUDNNのインストール
1.cudnnダウンロード
公式サイトで対応する cudnn のバージョンを選択します。このバージョンはまず cuda に対応している必要があり、tensorflow がインストールされている場合は tensorflow にも対応している必要があります。
公式 Web サイト: cuDNN ダウンロード | NVIDIA 開発者
cudnn の比較:
tensorflow 比較 URL: Windows でソースからビルド | TensorFlow (google.cn)
上記の比較に基づいて自分に合った cudnn を見つけてダウンロードしてください
1.2cudnnのインストール
ダウンロードは圧縮されたパッケージなので、解凍すると3つのフォルダーができます。
cuDNN ディレクトリ内のファイルを、対応するバージョンの CUDA のディレクトリにコピーします。いくつかのバージョンをインストールしているので、11.2 のスクリーンショットを撮りました。
完了したら、環境変数を追加し、C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64 をパスに追加します。
5. pytorchのインストール
1.1 pytorch公式Webサイトを使用してインストールする
公式ウェブサイトを開いて、対応するバージョンを選択すると、実行ステートメントが自動的に生成され、対応する conda 環境で実行されます。
注: CPU バージョンの pytorch がすでにインストールされている場合は、まずそれを手動で削除してから、再度インストールする必要があります。そうしないと、成功しません。
1.2.pytorchの検証
次のステートメントを使用して確認します。戻り値が true の場合は成功です。false の場合は、ドライバー、cuda、cudnn、および torch 間の互換性を確認する必要があります。
import torch
print(torch.__version__)
print(torch.cuda.is_available())
これでインストールは完了です。