windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN

步骤零:安装anaconda、opencv、pytorch(这些不详细说明)。复制运行代码,如果没有报错,说明已经可以了。不过大概率不行,我的会报错提示AssertionError: Torch not compiled with CUDA enabled。说明需要安装CUDA,或者安装的pytorch版本是不带CUDA的版本,需要按照以下步骤操作。

步骤一:安装CUDA

步骤二:安装cuDDN

步骤三:测试运行代码

附:电脑不支持CUDA或者不想用gpu加速深度学习的

安装CUDA

这就是用来调用gpu的工具,进行高效并行计算

打开控制面板->NVIDIA控制面板->帮助->系统信息->组件,查看NVCUDA.DLL版本(有些电脑可能不支持CDUA,解决方法在文章最后)windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN

进入这个网站下载对应版本的CUDA

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN

下载以后选择自定义安装,选择全部组件安装。注意记下这里的安装目录。

安装cuDDN

可以理解为cuda的一个补丁,用来加速深度学习的一些运算的,特地针对深度学习进行优化了(我做的时候没有安装,应该也可以)

进入这个网站下载对应版本的CUDA(需要注册)

https://developer.nvidia.com/rdp/cudnn-download

下载之后,

(1)解压:会生成cuda/include、cuda/lib、cuda/bin三个目录;

(2)分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5(CUDA安装目录)对应的include、lib、bin目录下即可。

(3)将bin所在的目录添加到环境变量 PATH 中,“此电脑”→“高级系统设置”→“环境变量”→“系统变量”→“path”→“编辑”→“新建”加入该路径即可。

测试torch能否用gpu

import torch

print(torch.cuda.is_available())

输出True即可。

或者

import torch

print(torch.version.cuda)

输出CUDA的版本号即可。

此时运行你的深度学习程序应该就可以成功啦。

如果之前都做好了,却输出False或None则说明你安装的pytorch版本不对,可能是不带CUDA的版本。

进入https://pytorch.org/ 选择正确的CUDA版本进行下载。windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN

这里我是之前下载了一个None版本的pytorch,卸载以后再用conda命令下载CUDA10.0版本的,结果发现还是不行。于是我改在pycharm中用pip安装命令安装pytorch,最后解决问题。

电脑不支持CUDA或者不想用gpu加速深度学习的小伙伴

改这三个地方就好啦,即把用到CUDA的地方都注释掉

红字是改之前的,绿字是改之后的

windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN

windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN

windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN

上一篇:windows10下Anaconda的安装与tensorflow、opencv的安装与环境配置


下一篇:eclipse新建maven项目报错Could not resolve arachetype org.apache.maven.archetypes:mmaven-archetype-quickstart:1.1 from any of the configured repositories