Pytorch 深度学习_环境配置

发布时间：2023-08-30 09:00

Pytorch 深度学习

第一章环境配置-Anacondas3+Pytorch+CUDA+CUDANN+Pycharm一条龙

文章目录

Pytorch 深度学习
- 第一章环境配置-Anacondas3+Pytorch+CUDA+CUDANN+Pycharm一条龙
前言
一、前期准备
- Anconda3下载
- 查看电脑适合的CUDA环境—特别重要！！！
- CUDA+CUDANN安装下载
- Pytorch下载安装
- PyCharm 下载
二、安装环境
- 安装conda
- 安装CUDA+CUDNN
- 安装 torch+torchvision
三、测试环境
- 打开PyCharm,导入conda环境
- 查看Torch+Torchvision
- 查看CUDA是否可以使用
总结

前言

   **学习深度学习的第一步当然就是配置一个完全无BUG的环境啦，作为一个自己电脑两个月环境人，尝试了各种安
装方法，历经磨难终于训练上了自己的模型！！！现为大家提供一套自己总结的方法！完美避开各种BUG！！！**

提示：以下是本篇文章正文内容

一、前期准备

										*****前期做完就完成了80%！*****

Anconda3下载

$\"Pytorch$

	                       [Anaconda官网地址](https://www.anaconda.com/)

点击Download即可下载最新版的Anaconda

查看电脑适合的CUDA环境—特别重要！！！

1、打开Cmd 输入nvidia-smi 查看自己的配置
$\"Pytorch$
注意这里的CUDA版本，向下兼容！！一般是小于！！！就是CUDA 11.6 ，你最好装CUDA11.3 和对应的CUDANN！！！如果这里版本比较低可以去升级一下驱动！！！
$\"Pytorch$
2、顺带查一下GPU $\"Pytorch$

CUDA+CUDANN安装下载

1、CUDA 下载 https://developer.nvidia.com/cuda-toolkit-archive
由于其向下兼容我选择的是CUDA11.3.0 （点前面这个红框框憋点后面！！！）
$\"Pytorch$
然后选择windows （系统版本）–64（位数）–10（母鸡，选这个）–exe(local 选这个安装的时候就不用下载了！！！)
$\"Pytorch$
2、CUDNN 下载
下载CUDNN需要注册一个NVIDIA账号，注册的网站加载比较缓慢大家忍一下！后面跟着CUDA的型号！！！一定按照对应下载的CUDA型号去下载CUDANN
$\"Pytorch$
另外下载的时候其名字也显示对应的版本
$\"在这里插入图片描述\"$
如图支持11.3的CUDA的CUDNN

Pytorch下载安装

两种方法可以下载Pytorch ：
1、使用官网给的地址在Anconda里使用命令安装，这种方法下面会提到如何实现。
2、提前下载离线安装包，下载地址 https://download.pytorch.org/whl/torch_stable.html
2.1 下载torch 包
如图：
$\"Pytorch$
****cu代表 CUDA版本的Torch，如果你需要用GPU训练模型（一般都用）就可以下载
****100代表CUDA版本对应的是10.0 也就是你需要安装的CUDA 版本
****torch 即为模型的torch包
****1.00 代表torch是1.00版本
****cp代表Python版本（自己觉得是）
****Linux 和Win 代表你是要下载Linux 版本还是Win版本后面代表是64位

这里我们选择就是根据上一步的CUDA 再次强调向下兼容
这里选择跟你下载CUDA相对应的CUDA版本
即我会选择 CU113/torch-…
注意：这样Python版本将使用3.7
$\"Pytorch$
2.2 下载torchvision
torchvision的选择与torch和cuda也有关系，比如我们下载的CUDA11.3 则torchvision也需要安装cu113开头，因为torch 是1.10.0 所以torchvision 应该是0.11（10+1).0 python 还是3.7 win版本相对应：
$\"Pytorch$

总结：建议使用第二种方法下载，可以使用迅雷等下载软件，加速下载！！这样会让安装变得顺利。使用命令安装下载比较缓慢，常见还有使用镜像源安装加速，这种方法确实可行,但是对于新手，刚接触来说，可能会对其给出的镜像命令不理解，安装的晕头转向。

PyCharm 下载

Pycharm下载地址
$\"Pytorch$
下载一个专业版，自己激活，这里不做更多补充

二、安装环境

安装conda

注意事项：前面都直接NEXT，自己改个盘，到下图，勾上第一个，添加到环境，安装即可：
$\"Pytorch$

安装CUDA+CUDNN

建议直接装在C盘，直接next到最后一步即可
$\"Pytorch$
将我们下的CUDNN解压
$\"Pytorch$
将里面这些文件夹复制到下图目录下，替换掉完成CUDNN配置
$\"Pytorch$

安装 torch+torchvision

1、打开cmd 输入conda activate base 进入Conda 虚拟环境，出现base 即为进入环境了
$\"Pytorch$
创建Pytorch环境 conda create -n Pytorch python=3.7
$\"Pytorch$
即在Anacondas下创建名字为Pytorch的环境，并且在环境下安装python 3.7版本。
$\"Pytorch$
输入Y，回车，进行安装，这里电脑最好采用自己的热点或者校园网（有时候安装会报错HTTP：ERROR）进行安装，关掉网络代理，不然会报错，HTTP：ERROR
$\"Pytorch$
输入conda activate Pytorch，出现Pytorch 证明环境创建完毕

$\"Pytorch$
3、安装torch+torchvision
方法二（针对前面已经提前下载的童鞋）：在Pytorch环境下，输入pip install （在路径前加个空格）后将所下载的torch找到，拖动到命令提示符
再点击回车进行安装，同样自己热点最香 $\"Pytorch$
按照同样的方法将torchvision 进行安装
$\"Pytorch$
方法一（未下载离线支持包）：打开Pytorch 官网下拉，选择如下选项，生成代码
$\"Pytorch$
将代码放到第2小步的Pytorch环境下下载
$\"Pytorch$
注意Cuda版本要与自己的cuda 相对应，之后再下载对应的torchvision即可

三、测试环境

打开PyCharm,导入conda环境

找到Setting界面，进行以下操作：
$\"Pytorch$
再点击Setting里的OK，看右下角出现如下图，重启Pycharm
$\"Pytorch$
如果终端界面出现以下，则证明环境搭建完成
$\"Pytorch$

查看Torch+Torchvision

$\"Pytorch$
如果出现，则证明环境安装成功！否则再继续重复第二章第三部分

查看CUDA是否可以使用

$\"Pytorch$
这样则证明CUDA可以使用环境搭建成功！！！

这样整个环境就搭建完成了如果想试试自己的环境配置的如何可以找个深度学习的开源代码试一下！

总结

1、环境的搭建一定要讲究搭配，吃了太多环境的亏，一定要将CUDA+CUDNN+Torch+Torchvision 全部安装符合版本匹配！！
2、cmd 键入nvidia-smi CUDA Version一定是大于（等于的时候报错CUDNN_STATUS_INTERNAL_ERROR）,如果环境都搭建好了，发现这个问题，就可以升级自己的驱动