flash网站读条怎么做,商标注册查询流程,人人站cms,西安广告公司联系方式1. 关系讲解 Tytorch#xff1a;Python机器学习库#xff0c;基于Torch#xff0c;用于自然语言处理等应用程序 Anaconda#xff1a;是默认的python包和环境管理工具#xff0c;安装了anaconda#xff0c;就默认安装了conda CUDA#xff1a;CUDA是一种由显卡厂商NVIDI…1. 关系讲解 TytorchPython机器学习库基于Torch用于自然语言处理等应用程序 Anaconda是默认的python包和环境管理工具安装了anaconda就默认安装了conda CUDACUDA是一种由显卡厂商NVIDIA推出的通用并行计算架构该架构使GPU能解决复杂的计算问题可用来计算深度学习 cuDNN是基于CUDA的深度学习GPU加速库有了它才能在GPU上完成深度学习的计算。
2. 安装Anaconda
Anaconda用于构建虚拟环境
这里直接用清华源镜像进行下载https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
一路next即可建议勾选自动添加环境变量
输出环境查看表示安装成功 3. 安装CUDA
3.1 正常安装 先查看本机NVIDIA支持的CUDA版本查看左下角的系统信息-组件 所以我们下载的版本应该低于12.0.89 下载CUDA直接前往官网下载https://developer.nvidia.com/cuda-toolkit-archive 根据自己的电脑版本选择CUDA版本 双击exe文件进行安装推荐使用默认地址安装同意并安装 自定义安装并且全选所有的组件但是取消选择visual studio 记住安装路径方便后续配置环境变量 等待下载安装完毕即可 查看环境变量有两个变量是自动添加的 在环境变量Path中需要我们额外添加三个目录版本根据自己的版本进行更改例如我的是v11.8
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\CUPTI\lib64打开cmd输入
set PATHc:然后输入
echo %PATH%关闭cmd之后再次开启命令提示符输入
echo %PATH%使新添加的环境变量生效 查看版本nvcc -V 查看设置的环境变量set cuda 3.2 碰到的问题 可能输入环境变量会显示错误
先切换到CUDA对应的文件夹下面C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite在这个文件夹下打开终端
输入两个命令
.\bandwidthTest.exe.\deviceQuery.exe若最后都显示pass说明安装无误是环境变量配置出错再次按照上述环境变量配置的方法进行配置即可若最后显示的不是pass说明安装错误需要把原来的卸载并且重新安装 4. 安装cuDNN 下载cuDNN下载之前需要注册账号有点小麻烦,直接前往官网下载https://developer.nvidia.com/rdp/cudnn-download 下载Win版本下载完毕后是一个压缩包 分别将cuDNN三个文件夹的内容分别复制到CUDA对应的文件夹里面。如下所示 在环境变量Path中添加三个目录
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp再次切换到CUDA的安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite 运行两个测试文件.\bandwidthTest.exe和.\deviceQuery.exe显示Pass即可 5. 安装PyTorch PyTorch 一分为三torch、torchvision 与 torchaudio。这三个库中torch 有 2G 左右而 torchvision 和torchaudio只有 2M 左右因此一般在代码里只会 import torch。当 torch 的版本给定后另外两个附件的版本也唯一确定了。
安装 torch 前先给出一张安装表其中 cu113 即 cuda 11.3cp39 即解释器的版本是 Python3.9
到目前位置我们安装的软件版本如下则我们下载 torch 2.0.0的版本
Anaconda4.5.4CUDA11.8cdDNN8.9python3.9 前往官网https://pytorch.org/get-started/previous-versions/查看torch 2.0.0对应的库版本 # CUDA 11.8
pip install torch2.0.0cu118 torchvision0.15.1cu118 torchaudio2.0.1 --index-url https://download.pytorch.org/whl/cu118即对应的版本为
torch2.0.0cu118
torchvision0.15.1cu118
torchaudio2.0.1因为直接安装网速较慢所以利用单个下载再逐一安装的方式进行安装配置进入对应的网站https://download.pytorch.org/whl/cu118 分别进入找到对应的版本 这里特别注意torchaudio下载的版本为torchaudio2.0.1cu118但是这个在官方下载中未指定cuda的版本我们需要手动添加 进入虚拟环境DL执行命令安装上述三个whl文件
pip install D:\Anaconda3_5.2\WHL\torch-2.0.0cu118-cp39-cp39-win_amd64.whl
pip install D:\Anaconda3_5.2\WHL\torchaudio-2.0.1cu118-cp39-cp39-win_amd64.whl
pip install D:\Anaconda3_5.2\WHL\torchvision-0.15.1cu118-cp39-cp39-win_amd64.whl安装完毕后进入python解释器进行验证
输入 import torch 导入 torch 库再输入torch.cuda.is_available()输出True即为安装成功 6. 关联PyCharm 新建项目选择已经存在的解释器 选择我们已经创建的Anaconda环境 选择完毕后直接创建
