手把手教你在win10下搭建pytorch GPU環境(Anaconda+Pycharm)

老瀟的摸魚日記發表於2020-08-16

Anaconda指的是一個開源的Python發行版本,其主要優點如下:

  • Anaconda預設安裝了常見的科學計算包,用它搭建起Python環境後不用再費時費力安裝這些包;

  • Anaconda可以建立互相隔離的虛擬環境,可以在不同環境下制定不同版本的Python,安裝不同依賴包,再也不用糾結多個Python版本究竟安裝哪個;

一、本次安裝所需的基本軟體

1. Anaconda3-5.3.1-Windows-x86_64

2. pycharm-community-2019.3.4

3. python3.7(不用單獨安裝)

4. cuDNN 8.0.1

5. CUDA 10.2

二、安裝步驟

1. 檢視自己電腦的GPU是否支援CUDA(一定要檢視,否則白忙活一場)

我的電腦上右鍵單擊,找到管理並進入,具體情況如下:

v2-2e66d5e11a4d02ec6de9866c6a4170aa_1440w

找到裝置管理器,在顯示介面卡裡面檢視GPU的具體型號,如下所示。如果支援CUDA,則繼續下一步,否則到此為止!!!.

image-20200816092639056

接下來百度搜尋你的GPU型號 SPECIFICATION,如GTX1050 SPECIFICATION,檢視是否支援CUDA,具體如下:

image-20200816092529929

2. Anaconda安裝

前往Anaconda官網下載個人版安裝,如下圖所示:

image-20200814220856187

3. 新增清華映象源

用conda安裝Pytorch過程中會連線失敗,這是因為Anaconda.org的伺服器在國外,需要切換到國內映象源。在windows系統的開始選單中找到Anaconda Prompt進入,如下圖所示:

image-20200814174629512

新增映象,依次輸入下面幾條命令,如下圖所示:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 

image-20200814221322877

設定搜尋時顯示通道地址,如下圖所示:

conda config --set show_channel_urls yes

image-20200814221358085

4. 建立pytorch_gpu虛擬環境

在Anaconda Prompt命令列中為自己的深度學習環境建立一個虛擬執行環境,起名為pytorch_gpu,可以執行以下程式碼建立,如圖所示:

conda create --name pytorch_gpu python=3.7  #這條命令將會建立一個新的環境,位置在Anaconda3/envs/pytorch_gpu中

image-20200814222613668

建立好虛擬環境以後,可以使用命令 conda env list 檢視已建立好的新環境,如下圖所示,pytorch_gpu是我們新建立的環境,base為預設環境:

image-20200814223041377

5. 啟用pytorch_gpu虛擬環境

建立好虛擬環境以後,如果想要使用它讓系統處於其執行環境下,需要先啟用環境,可以執行以下命令:

activate pytorch_gpu

啟用成功後可以看到當前環境已經變為pytorch_gpu,如下圖所示

image-20200814223612608

如果要關閉當前環境,只需要輸入以下命令,如下圖所示:

deactivate

image-20200814224032794

如果要刪除新環境,只需要輸入以下命令,如下圖所示,刪除名為pytorch_gpu的環境

conda remove -n pytorch_gpu --all

image-20200814224614111

6. CUDA與CUDNN的關係

​ CUDA(ComputeUnified Device Architecture),是顯示卡廠商NVIDIA推出的運算平臺。CUDA是一種由NVIDIA推出的通用平行計算架構,該架構使GPU能夠解決複雜的計算問題。

​ NVIDIA cuDNN是用於深度神經網路的GPU加速庫。它強調效能、易用性和低記憶體開銷。NVIDIA cuDNN可以整合到更高階別的機器學習框架中,如谷歌的Tensorflow、加州大學伯克利分校的流行caffe軟體。簡單的插入式設計可以讓開發人員專注於設計和實現神經網路模型,而不是簡單調整效能,同時還可以在GPU上實現高效能現代平行計算。

​ CUDA看作是一個工作臺,上面配有很多工具,如錘子、螺絲刀等。cuDNN是基於CUDA的深度學習GPU加速庫,有了它才能在GPU上完成深度學習的計算。它就相當於工作的工具,比如它就是個扳手。但是CUDA這個工作臺買來的時候,並沒有送扳手。想要在CUDA上執行深度神經網路,就要安裝cuDNN,就像你想要擰個螺帽就要把扳手買回來。這樣才能使GPU進行深度神經網路的工作,工作速度相較CPU快很多。

7. 安裝CUDA

NVIDIA官網找到所需要的CUDA版本,然後一步步安裝即可,如下圖所示:

image-20200815004300770

!下面一步要注意安裝Display Driver的最新版本,即勾選版本號更大的選項.

image-20200815004426557

image-20200815004451867

image-20200815004526103

安裝好之後,在命令提示符介面輸入nvcc -V,檢視是否安裝成功。以下是安裝成功的情況。

image-20200816095759927

8. 安裝cuDNN

所安裝的cuDNN版本注意和CUDA版本對應,可以在CUDNN官網找到版本對應關係,註冊賬號後即可下載對應版本的cuDNN,具體版本間的對應關係如下:

image-20200814235259544

新建一個資料夾cudnn,之後將下載的檔案cuDNN解壓,將裡面的bin,include,lib這三個資料夾直接複製到cudnn資料夾之中。最後將cudnn資料夾移動到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0這個路徑下面。

image-20200816085940132

移動完成之後的結果如下:

image-20200816100836422

在高階系統設定中找到環境變數,在系統變數的path路徑中新增以下兩個路徑,根據自己的實際路徑新增

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cudnn\bin

新增好之後的結果如下:

image-20200816101440813

9. 安裝Pytorch

先到pytorch官網根據你的實際情況選擇Pytorch安裝包版本,然後複製頁面自動生成的指令碼進行安裝。

image-20200815002741238

使用以下命令安裝pytorch,這裡比官網的命令少了一個-c pytorch,主要是因為-c pytorch表示指定使用moren預設的pytorch channel,這個伺服器位於國外,下載速度很慢,使用剛剛新增進default channel的清華映象源可以得到一個較快的下載速度。

conda install pytorch torchvision cudatoolkit=10.2

image-20200815003303611

安裝完成之後,在pyttorch_gpu環境下使用下面幾條條命令驗證是否可以呼叫CUDA:

python  
import torch
torch.cuda.is_available()

成功的結果如下圖所示:

image-20200816113313173

10. 安裝pycharm並配置環境

下載pycharm-community版本安裝好之後,建立專案並配置pycharm直譯器,首先點選create new project,location為檔案儲存位置,project interpreter為直譯器,也就是Anaconda中的python.exe。這裡選擇C:\Users\xiaoy\Anaconda3\envs\pytorch_gpu路徑下的python直譯器。配置好後點選create即可完成。具體情況如下:

image-20200816124121070

image-20200816124024451

三、包管理的各種命令

1. 檢視該環境中包和其版本的列表

會看到你在當前環境中已經安裝好的所有包和其版本:

conda list

2. 查詢一個包

檢查我們需要的這個包是否可以通過conda來安裝:

conda search beautifulsoup4

3. 安裝一個新包

在當前環境(pytorch_gpu)中安裝這個Beautiful Soup包,使用conda命令如下:

conda install --name pytorch_gpu beautifulsoup4

4. pip安裝包

activate pytorch_gpu
pip install beautifulsoup4

5. 移除包,比如,移除pytorch_gpu環境下的beautifulsoup4

conda remove -n pytorch_gpu beautifulsoup4

四、安裝中出現的問題

1. import torch時報錯 ,Microsoft Visual C++ Redistributable is not installed, this may lead to the DLL load failure.

需要下載這個可執行程式vc_redist.x64.exe,之後安裝即可。

image-20200816083107985

reference:

檢視GPU是否支援CUDAhttps://zhuanlan.zhihu.com/p/37086409

Anaconda環境安裝GPU版本Pytorch程https://blog.csdn.net/baidu_26646129/article/details/88380598

PyTorch(GPU版)詳細安裝教程https://www.bilibili.com/video/BV1Rz411e7eJ?from=search&seid=5212425445242088592

cuda與cudnn的關係https://www.jianshu.com/p/622f47f94784,https://www.cnblogs.com/anai/p/12838668.html

cuda和cudnn版本對應關係https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10

配置pycharmhttps://www.cnblogs.com/yufeng97/p/13069247.html?utm_source=tuicool

Python入門:Anaconda和Pycharm的安裝和配置https://www.cnblogs.com/yuxuefeng/articles/9235431.html

import torch錯誤https://stackoverflow.com/questions/63212096/when-importing-pytorch-microsoft-visual-c-redistributable-is-not-installed

相關文章