深度学习环境搭建之cuda、cudnn以及pytorch和torchvision的whl文件安装方法

一、前言

假设已经装好了pycharm、anaconda，并且新建了一个conda虚拟环境（我的虚拟环境名为pytorch）。接下来需要安装新版的显卡驱动，安装cuda、cudnn、pytorch和torchvision，这几个环境的版本互相关联，为了能使用更新的项目，尽量安装最新版本的环境。

有的教程采用官网首页推荐的在线安装方式，如下图所示

但这种安装方式耗时很长，且有时候会由于网络异常而安装失败。

本教程采用下载whl文件方式安装，由于.whl文件下载迅速、安装简单，避免了因网络差而导致的安装失败。

二、安装新版显卡驱动

1、安装前的检查

在安装新版显卡驱动之前，先在cmd中输入：

nvidia-smi

注意： -符号与nvidia和smi不能有空格。

右上角的CUDA Version 11.1表示最高能安装CUDA 11.1的版本，如果CUDA11.1能满足项目需求，就不需要更新显卡驱动，否则就需要安装最新版的显卡驱动，从而安装更高版本的CUDA 。

如果安装了最新版的显卡驱动，驱动所能支持的CUDA最高版本还是达不到项目需求，那就换一块好点的显卡吧。

2、安装最新版显卡驱动的方法

点开网址：

官方驱动 | NVIDIA

根据自己的显卡和系统进行搜索，例如我的笔记本电脑显卡是GTX965M。然后点击搜索并且下载安装即可。

三、安装cuda

1、在安装cuda之前，需要先确定cuda的版本。

例如我们的项目需要用到yolov5的5.0版本，从yolov5的github网站

https://github.com/ultralytics/yolov5/blob/master/requirements.txt

可以看到，要求的torch在1.7以上，torchvision在0.8.1以上。

2、从pytorch官网上看，网址如下：

https://download.pytorch.org/whl/torch_stable.html

当前cuda（gpu）版本的pytorch最新版的1.9，且cuda版本可以是11.1（cu111表示cuda版本为11.1）。由于我的显卡驱动最高能支持cuda11.1，因此我们选择下载cuda11.1。

3、从cuda网址

CUDA Toolkit Archive | NVIDIA Developer

选择cuda11.1

再选择是适合自己操作系统的版本，然后安装类型（installer type）选择本地（local），防止由于网络不好而安装不上。

4、安装cuda前的检查

点开控制面板——卸载程序，查看是否已经安装了CUDA，如果有的话请先把红框的CUDA卸载。没有的话就跳过这个步骤。

5、安装cuda

安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录。

可以事先新建两个文件夹，如CUDA_TEMP和CUDA11_1，CUDA_TEMP用来存放临时解压文件，CUDA11_1用来存放安装后的文件。CUDA_TEMP文件夹在cuda安装结束后会被自动删除，因此CUDA11_1文件夹千万不要放在CUDA_TEMP文件夹下。

设置临时解压目录如下图所示

然后选择自定义安装

这三个可以不需要安装

而且CUDA下的Samples也可以不安装，有足够空间的也可以选择安装。

点击下一步后，将安装位置都改为CUDA11_1

点击安装即可

5、验证是否安装成功

在cmd控制台下，输入

nvcc -V

若能显示下面信息，说明cuda安装成功

若没安装成功，可能是电脑之前存在cuda，没有卸载干净

四、安装cudnn

下载cudnn需要英伟达账号，因此先进行账号注册，再下载cudnn

1、注册英伟达账号

Log in | NVIDIA Developer

按照要求完成注册即可

2、打开以下网址：

cuDNN Archive | NVIDIA Developer

选择适用于自己CUDA版本的cuDNN，我这里是CUDA 11.1、Windows（x86）cuDNN库。

3、安装cudnn

解压，在解压后的文件夹cuda下，将bin、include和lib文件夹剪切，然后粘贴到CUDA11_1文件夹下

4、添加环境变量

五、安装pytorch和torchvision

1、下载pytorch

打开网址

https://download.pytorch.org/whl/torch_stable.html

根据前面所提的项目需求pytorch在1.7以上，且安装了cuda11.1，由于我的python版本是3.7，因此选择最新版的torch1.9.0，如下图红框所示。

2、下载torchvision

torchvision的版本要与torch版本对应，否则torch的版本会变化。

torchvision的版本请参考网址中Readme部分

https://github.com/pytorch/vision

下面是部分截图

由上图可知，pytorch版本1.9.0对应的torchvision是0.10.0

3、安装pytorch

3.1打开cmd控制台，切换到conda虚拟环境（如果之前没设置conda虚拟环境，则跳过此3.1步），切换方法如下：

activate 虚拟环境名

例如我的虚拟环境名是pytorch，因此我输入

activate pytorch

当控制台命令最左边出现（pytorch），说明成功进入名称为pytorch的虚拟环境

3.2切换到pytorch和torchvision的下载目录

例如我的下载目录为

E:\下载

先输入

E：

注意是英文的冒号，按回车后，再输入

cd E:\下载

按回车后跳转到了下载目录

3.3安装pytorch和torchvision

3.3.1假如该虚拟环境安装过别的版本的pytorch和torchvision，则需要先卸载它们，卸载方法如下：

输入

pip uninstall torch
pip uninstall torchvision

如果是conda安装的，输入

conda uninstall torch
conda uninstall torchvision

3.3.2安装pytoch

在想安装的虚拟环境和当前下载目录下，输入

pip install torch-1.9.0+cu111-cp37-cp37m-win_amd64.whl

若出现询问，按y确定

3.3.3安装torchvision

同理，输入

pip install torchvision-0.10.0+cu111-cp37-cp37m-win_amd64.whl

若出现询问，按y确定

3.4验证安装是否成功

3.4.1在cmd控制台验证

在pytorch虚拟环境下，输入python进入python编程环境
然后导入torch，导入的时候有点慢，稍等片刻，等左侧出现>>>符号时，说明导入成功
输入torch.__version__后查看是否返回pytorch版本号
输入torch.cuda.is_available()后若返回True，说明能使用GPU训练

如下图所示

3.4.2在pycharm验证

新建项目，在安装了pytorch的虚拟环境下选择python解释器，我的安装在名为pytorch的虚拟环境下，如下图所示。

接下来输入

import torch
print(torch.__version__)
print(torch.cuda.is_available())

运行后若返回以下结果

1.9.0+cu111
True

说明pytorch和torchvision安装成功！

附：

opencv下载链接

Links for opencv-contrib-python

深度学习环境搭建之cuda、cudnn以及pytorch和torchvision的whl文件安装方法相关推荐

深度学习环境配置Win10+CUDA+cuDNN+Tensorflow2.0+PyTorch1.2+Python3.7.6
系统环境:Win10 Python版本:3.7.6 CUDA版本:10.0 cuDNN版本:7.6.5 Tensorflow-gpu版本:2.0.1 PyTorch版本:1.2.0 深度学习环境配置W ...
Win10深度学习环境配置（CUDA+cuDNN+TensorFlow-gpu+Keras）
安装时间:2018-05-19 软硬件配置 GTX 1060 6G Win10 64位专业版 Anaconda3 5.1.0 深度学习工具 CUDA 9.0 cuDNN v7.0 TensorFlow ...
【深度学习环境搭建＜二＞】CUDA和 cuDNN 的安装
0x00 前言上一篇中我们介绍了深度学习环境搭建的第一步:NVIDIA驱动的安装.现在车的轮子有了,接下来就要来搭建车的车身了,也就是今天的主角:CUDA 和 cuDNN, 它是我们程序和驱动之间的 ...
深度学习环境搭建（从卸载CUDA到安装，以及Pytorch与torchvision的安装。你从未见过的全有版本）
深度学习环境搭建(从卸载CUDA到安装,以及Pytorch与torchvision的安装.你从未见过的全有版本) 先来点头疼的:在深度学习的过程中,环境搭建是必须要经过的一个关卡,由于版本对应麻烦,很 ...
Miniconda3+PyTorch1.7.1(GPU版)+Win10_x64+GTX1060深度学习环境搭建
写在这里的初衷,一是备忘,二是希望得到高人指点,三是希望能遇到志同道合的朋友. 硬件信息: 系统:win10家庭中文版 CPU:i7-7700HQ 内存:16GB 显卡:GTX1060 目录一.确定 ...
台式机Ubuntu系统安装Tesla系列显卡+深度学习环境搭建
1.前言 Tesla系列的显卡主要是作为计算显卡来使用的,常用在服务器.工作站等设备上,并不适用于普通台式机主板上.与常用的Nvidia显卡系列相比,其内部的电源供电结构.散热功能都是不一样的.因此要 ...
Ubuntu16.04深度学习环境搭建
Ubuntu16.04深度学习环境搭建(anaconda3+cuda10.0+cudnn7.6+pytorch1.2) 文章目录 Ubuntu16.04深度学习环境搭建(anaconda3+cuda1 ...
ubuntu22从双系统开始到深度学习环境搭建+必备软件安装
ubuntu从双系统开始到深度学习环境搭建及生活软件安装大合集!!! (一)本机环境 (二)双系统安装 1.前期了解 1.1.查看[BIOS](https://so.csdn.net/so/searc ...
深度学习双显卡配置_linux(manjaro) tensorflow2.1 conda cuda10 双显卡笔记本深度学习环境搭建...
linux(manjaro) tensorflow2.1 conda cuda10 双显卡笔记本深度学习环境搭建下学期要学tensorflow,看着我可怜的1050ti,流下了贫穷的泪水,但无奈要做 ...

深度学习环境搭建之cuda、cudnn以及pytorch和torchvision的whl文件安装方法

深度学习环境搭建之cuda、cudnn以及pytorch和torchvision的whl文件安装方法相关推荐

最新文章

热门文章