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)
进入这个网站下载对应版本的CUDA
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。
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