「安装」 Windows下安装CUDA和Pytorch

「安装」 Windows下安装CUDA和Pytorch

文章目录

  • 「安装」 Windows下安装CUDA和Pytorch
    • Mac、Linux、云端
    • Windows
      • 安装CUDA
      • 安装miniconda
      • 安装PyTorch
      • 测试
      • 总结
    • 其他

Mac、Linux、云端

Mac、Linux、云端安装Miniconda和Pytorch的方法参考其他资料。

Windows

下面进行Windows下安装CUDA和Pytorch来跑深度学习。

安装CUDA

CUDA介绍:https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html

注意只有NVIDIA GPU才能使用CUDA,AMD GPU或集成显卡均无法使用CUDA。

首先查看电脑是否拥有NVIDIA GPU:
win + r 打开「运行」窗口,输入dxdiag
在这里插入图片描述
在这里插入图片描述

下载CUDA,进入官网 https://developer.nvidia.com/cuda-downloads
在这里插入图片描述

打开安装包:
在这里插入图片描述
设置安装目录:
在这里插入图片描述
安装选默认选项:
核心就是装:

  1. 驱动
  2. cuda开发环境

在这里插入图片描述

安装完成后进入命令行,使用nvidia-smi命令查看是否安装成功:
在这里插入图片描述

安装miniconda

接下来下载Python环境miniconda(为什么要装miniconda参考其他资料),进入官网 https://docs.anaconda.com/miniconda/miniconda-other-installer-links/#
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
默认选项安装即可:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在开始菜单打开 Anaconda Powershell Prompt:
在这里插入图片描述
输入python --version,查看是否是自己安装的python版本:
在这里插入图片描述

安装PyTorch

接下来安装PyTorch的GPU版本,进入官网 https://pytorch.org/
在这里插入图片描述
选择好对应的版本,然后将对应pip命令复制到Anaconda Powershell Prompt中进行pytorch安装:
在这里插入图片描述
整个过程还是比较慢的,文件也比较大,下载速度很慢。

下面看下是否安装成功,在Anaconda Powershell Prompt中打开python,导入torch:
在这里插入图片描述

测试

安装好后找一个真正的深度学习的应用跑一下,在《动手学深度学习》官网 https://zh-v2.d2l.ai/ 下载Jupyter记事本:
在这里插入图片描述
下载好之后解压(解压的过程提示有重名文件,选择覆盖):
在这里插入图片描述

接下来使用pip命令安装所用到的包 jupyter、d2l。打开Anaconda Powershell Prompt,使用pip命令进行安装:

pip install jupyter d2l

最好使用源镜像进行安装,否则容易出现安装失败。
在这里插入图片描述
在这里插入图片描述

安装好上面两个包之后在Anaconda Powershell Prompt中启动jupyter notebook就可以运行jupyter实例了:
在这里插入图片描述
启动jupyter notebook后会直接跳出浏览器窗口:
在这里插入图片描述

在跳出的浏览器窗口中并没有找到前面下载的jupyter实例。问题出现在刚才是在 C:\Users\Mao 目录下启动jupyter notebook的,而下载的jupyter实例是在 E:\ 目录下,因此需要使用 cd 命令切换到 E:\ 目录下启动jupyter notebook

注意:
启动jupyter notebook的目录需要与jupyter实例(d2l-zh)所在目录一致。

在这里插入图片描述

切换到jupyter实例目录下再启动jupyter notebook:
在这里插入图片描述
这样在跳出的浏览器窗口中就出现下载的jupyter实例(d2l-zh)了:
在这里插入图片描述
依次点击 d2l-zh、pytorch、chapter_convolutional-modern、resnet.ipynb,这就是要测试的实例:
在这里插入图片描述
点击Kernel - Run All 运行所有:
在这里插入图片描述
点击Restart:
在这里插入图片描述
然后拉到页面的最下面,就可以看到已经开始下载数据进行训练了:
在这里插入图片描述

在训练的过程中可以通过任务管理器或在Anaconda Powershell Prompt中输入nvidia-smi命令查看GPU使用率:
在这里插入图片描述

训练结果:
在这里插入图片描述
作为对比,看一下在云上的处理速度(去《动手学深度学习》中找到现代卷积神经网络 - 残差网络,便可找到数据):
在这里插入图片描述

总结

在Windows上学习深度学习的步骤:

  1. 确认有NVIDIA GPU
  2. 安装CUDA
  3. 安装miniconda
  4. 安装GPU版PyTorch
  5. 安装d2l和Jupyter
  6. 下载d2l记事本运行测试

其他

还可以使用谷歌Colab(免费算力平台)进行深度学习,colab有免费的CPU和GPU可以使用。

使用colab方法:代码选择PyTorch版本
在这里插入图片描述
然后拉到页面最上面,点击colab[PyTorch]:
在这里插入图片描述
在这里插入图片描述
不过使用谷歌需要一点方法。

上一篇:GEE开发之Modis_NDWI数据分析和获取-3 NDWI年数据下载


下一篇:Splashtop 加入 Microsoft 智能安全协会