win10+1050显卡+cuda9.0+cudnn7.6.5+pytorch1.1.0+py3.7(conda)安装+jupyter运行+pycharm运行（conda环境）
win10+1050显卡+cuda9.0+cudnn7.5+pytorch1.1.0安装
- 参考网址
- 安装cuda9.0
- 检查GPU显卡支持的cuda版本
- linux下查看cuda版本
- windows版本下查看NVIDIA控制面板
- 下载并安装cuda 9.0
- 修改环境变量
- 安装cudnn7.6
- 查看与cuda对应的cudnn版本
- 注册NVIDIA账号
- 下载cudnn并解压到cuda目录
- 安装pytorch1.1.0
- 创建新的虚拟环境
- 安装pytorch
- 检验pytorch是否成功安装
- 使用jupyter运行pytorch
- 解决方法一:在pytorch环境再安装一遍jupyter
- 解决方法二:base环境也安装一遍torch
- 使用pycharm和conda运行pytorch
因为想要在本地笔记本安装pytorch来支持一些深度学习小程序的运行，所以在本地安装一下cudad和cudnn，并安装对应版本的python和pytorch。
笔者笔记本的显卡是GTX1050，亲测py3.7+cuda9.0+cudnn7.5+pytorch1.1.0可用
参考网址
csdn文章添加目录
win10+GTX1050+CUDA9.0+cudnn7.6
GTX1050+cuda9.0+cuDNN+pytorch+anaconda环境搭建
Windows 安装 CUDA/cuDNN
win10系统如何查看cuda版本？
安装cuda9.0
检查GPU显卡支持的cuda版本
linux下查看cuda版本
nvidia-smi
但我们是windows版本。
windows版本下查看NVIDIA控制面板
首先我们要打开NVIDIA控制面板来查看GPU显卡支持的cuda版本，安装对应版本的cuda 。
打开方法一：
桌面鼠标右键，选择NVIDIA控制面板。
打开方法二:
打开控制面板，将查看方式从类别改为小图标，然后打开NVIDIA控制面板
在NVIDIA控制面板点击系统信息，查看驱动程序版本
我们的驱动程序版本是: 385.54
点击cuda toolkit document网址，查看cuda与驱动版本的对应关系，发现我们应该安装cuda9.0
| CUDA Toolkit | Linux x86_64 Driver Version | **Windows x86_64 Driver Version ** |
|---|---|---|
| CUDA 11.6 Update 2 | >=510.47.03 | >=511.65 |
| CUDA 11.6 Update 1 | >=510.47.03 | >=511.65 |
| CUDA 11.6 GA | >=510.39.01 | >=511.23 |
| CUDA 11.5 Update 2 | >=495.29.05 | >=496.13 |
| CUDA 11.5 Update 1 | >=495.29.05 | >=496.13 |
| CUDA 11.5 GA | >=495.29.05 | >=496.04 |
| CUDA 11.4 Update 4 | >=470.82.01 | >=472.50 |
| CUDA 11.4 Update 3 | >=470.82.01 | >=472.50 |
| CUDA 11.4 Update 2 | >=470.57.02 | >=471.41 |
| CUDA 11.4 Update 1 | >=470.57.02 | >=471.41 |
| CUDA 11.4.0 GA | >=470.42.01 | >=471.11 |
| CUDA 11.3.1 Update 1 | >=465.19.01 | >=465.89 |
| CUDA 11.3.0 GA | >=465.19.01 | >=465.89 |
| CUDA 11.2.2 Update 2 | >=460.32.03 | >=461.33 |
| CUDA 11.2.1 Update 1 | >=460.32.03 | >=461.09 |
| CUDA 11.2.0 GA | >=460.27.03 | >=460.82 |
| CUDA 11.1.1 Update 1 | >=455.32 | >=456.81 |
| CUDA 11.1 GA | >=455.23 | >=456.38 |
| CUDA 11.0.1 RC | >= 450.36.06 | >= 451.22 |
| CUDA 10.2.89 | >= 440.33 | >= 441.22 |
| CUDA 10.1 (10.1.105 general release, and updates) | >= 418.39 | >= 418.96 |
| CUDA 10.0.130 | >= 410.48 | >= 411.31 |
| CUDA 9.2 (9.2.148 Update 1) | >= 396.37 | >= 398.26 |
| CUDA 9.2 (9.2.88) | >= 396.26 | >= 397.44 |
| CUDA 9.1 (9.1.85) | >= 390.46 | >= 391.29 |
| CUDA 9.0 (9.0.76) | >= 384.81 | >= 385.54 |
| CUDA 8.0 (8.0.61 GA2) | >= 375.26 | >= 376.51 |
| CUDA 8.0 (8.0.44) | >= 367.48 | >= 369.30 |
| CUDA 7.5 (7.5.16) | >= 352.31 | >= 353.66 |
| CUDA 7.0 (7.0.28) | >= 346.46 | >= 347.62 |
下载并安装cuda 9.0
点击进入CUDA Toolkit Archive网址，下载其中的cuda9.0版本
点击这里的同意并继续
这里选择自定义安装
在组件里取消visual studio integration再安装（我不用vs做深度学习的，安装这个组件，如果c++配置不对还有可能报错，所以我就取消了）
我的安装位置都选择在了D盘(其实我应该直接在D盘的根目录下新建一个CUDA文件夹，全安装到这个文件夹里的，还好找)
安装成功
修改环境变量
参考这个网址，打开环境变量设置页面
win10系统环境变量怎么设置
我们安装完以后，系统变量以后应该已经有NVCUDASAMPLES_ROOT变量和NVCUDASAMPLES9_0_ROOT两个变量了，我们主要查看Path里面有没有对应的变量。双击进入path
双击进入Path，在系统变量Path中检查：以下四条环境变量是否添加（以答主本机为例，自查时请将D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0替换为自己的安装路径）
- D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
- D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
- D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
- D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
之后我们可以在终端里验证一下是否成功安装cuda(运行->cmd->打开终端)
输入nvcc --version后点击回车，有这些提示就代表cuda安装成功了
安装cudnn7.6
查看与cuda对应的cudnn版本
点击进入cuDNN Archive官网，可以看到与cuda9.0对应的cudnn版本是7.6版本的。我们这里安装的cudnn版本是7.6.5
注册NVIDIA账号
笔者是win10版本的电脑，所以选择win10版本的cudnn
点击下载，提示没有会员资格，所以我们先注册以下NVIDIA账号
键入自己的邮箱
点击登陆帮助
之后点击创建账户，进行创建
创建完账户以后，再回到之前的链接下载cudnn7.6.5
下载cudnn并解压到cuda目录
将我们下载的cudnn压缩包解压，可以看到这三个文件夹
直接将这三个文件夹复制到之前安装的cuda文件夹里即可。(直接粘贴进来，不冲突的)
至此，cudnn安装成功
安装pytorch1.1.0
创建新的虚拟环境
安装anaconda，并利用conda配置一个新的虚拟环境并激活
conda create -n torch_gpu python=3.7
conda activate torch_gpu
安装pytorch
点击进入pytorch官网，可以看到，默认的commands里没有我们要选择的cuda9.0，所以我们点击下面的Previous versions of PyTorch按钮
在点击按钮跳转的这个页面里，找到和cuda9.0符合的pytorch版本
之后在我们的conda环境里输入:conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c pytorch即可安装
检验pytorch是否成功安装
我是在conda环境中，先退回base环境，再重新激活pytorch环境，然后验证成功的。
在pytorch环境中输入python进入python环境，然后运行以下代码检测是否成功安装pytorch
import torch
torch.rand(3) #输出tensor([0.6056, 0.9109, 0.4660])
print(torch.cuda.is_available())
print(torch.cuda.device_count())
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())
使用jupyter运行pytorch
如果我们直接使用conda里自带的jupyter，打开以后写ipynb的过程中，import torch会报错:No module named ‘torch‘
这实际上是因为我们运行的jupyter，本质上还是运行的base环境下的jupyter(虽然我们是在pytorch环境下调用的)
解决方法一:在pytorch环境再安装一遍jupyter
在我们安装并已经激活的pytorch环境下，再运行以下代码，重新进入jupyter notebook即可：
conda install ipython
conda install jupyter
参考网址:关于 Jupyter Notebook 中 No module named ‘torch‘ 的解决办法
解决方法二:base环境也安装一遍torch
Jupyter Notebook 中 No module named ‘torch‘ 的解决办法
使用pycharm和conda运行pytorch
如果我们想在pycharm中用已经安装好的pytorch环境，可以这样做:
- 在pycharm中新建一个项目
- 点击File->Setting ，打开环境界面
- 点击进入项目的Python Interpreter界面
- 点击右上角的设置按钮(齿轮)
- 点击Add
- 点击Conda Environment
- 选择Existing Environment(因为我们的conda已经创建过这个环境了)
- 之后那两行我们都引导到我们创建的conda环境文件里(python.exe和conda.exe)
- 点击确认
- 之后我们能看到环境已经变为自己的pytorch环境了，并且可以运行pytorch的各种包了。
win10+1050显卡+cuda9.0+cudnn7.6.5+pytorch1.1.0+py3.7(conda)安装+jupyter运行+pycharm运行（conda环境）相关推荐
- Ubuntu17.04+Nvidia GT 640LE+CUDA9.0+cuDNN7.05+Tensorflow1.5r0(GPU)+Anaconda5.01(python3.6)安装
Ubuntu17.04+Nvidia GT 640LE+CUDA9.0+cuDNN7.05+Tensorflow1.5r0(GPU)+Anaconda5.01(python3.6)安装 一.详细的安装 ...
- win10 1050显卡torch调用不到GPU问题处理
目录 先看我装的环境: pytorch torchvision python的版本对应: 使用conda命令指向清华源下载并总结经验 先看我装的环境: 测试: import torch print( ...
- ubuntu18.04+nvidia显卡安装+cuda9.0+cudnn7+pycharm2018.2专业版激活+anaconda3+tensorflow-gpu1.6.0+keras+opencv3
写文的目的:笔记本和台式机的安装是略有不同的,为了以后查阅方便,记录下安装细节 目标:在台式机上安装上ubuntu18.04+nvidia显卡安装+cuda9.0+cudnn7+anaconda3+t ...
- 固态、机械双硬盘+UEFI、APT+Win10、Ubuntu18.04LTS双系统+GTX 1080Ti+Cuda9.0+cudnn7.1.4+Tensorflow1.12
固态.机械双硬盘+UEFI.APT+Win10.Ubuntu18.04LTS双系统+GTX 1080Ti+Cuda9.0+cudnn7.1.4+Tensorflow1.12 1.系统框架 1.1 在w ...
- WIN10搭建深度学习环境 GTX1080+CUDA9.0+cuDNN7.0+Python3.6+Tensorflow1.6.0
GTX1080在WIN10系统上搭建深度学习环境.在搭建环境中遇到了一些坑,于是想将搭建环境流程记录下来,方便以后重新搭建环境.话不多说,直接进入正题.注:我自己是在重装完系统后进行的环境配置. 一. ...
- win10双系统安装ubuntu16.04+gtx750ti+python3.6配置cuda-9.0+cuDNN7.05+TensorFlow-gpu1.8.0+opencv 2.4.13的过程汇总
参考: https://blog.csdn.net/weixin_40494464/article/details/81010256 http://www.cnblogs.com/EasonJim/p ...
- Ubunt16.04 搭建 GPU 显卡驱动 + CUDA9.0 + cuDNN7 详细教程
红色石头的个人网站:www.redstonewill.com 如果你的电脑安装了 Ubuntu16.04,而且电脑自带一块 NVIDIA GeForce 的 GPU 显卡,那么不用来跑深度学习模型就太 ...
- ubuntu安装nvidia显卡驱动+cuda9.0+cudnn7.0+查看cuda版本+安装tensorrt+python查看gpu显存
一,驱动安装 显卡驱动和cuda版本关系 卸载原先驱动 sudo apt-get remove --purge nvidia-\* ubuntu-drivers devices 查看显卡类型 Nvi ...
- linux系统英伟达gpu驱动卸载_怎么卸载显卡驱动-手把手教你在 Ubuntu16.04 安装 GPU 驱动 + CUDA9.0 + cuDNN7...
文章转载自公众号 AI有道 , 作者 红色石头 点击上方"AI有道",选择"星标"公众号 重磅干货,第一时间送达 如果你的电脑安装了 Ubuntu16.04,而 ...
最新文章
- python tkinter 实现一个秒表 从0开始_Writeathon：从0开始实现的一个side project
- vim在退出时，处理隐藏缓冲区的方式
- actionscript代码练习作品
- 垂直梯形校正画质损失多少_投影仪梯形校正会影响画质吗？投影仪梯形校正调不正怎么办？...
- ASP.NET GridView嵌套DataList实例
- form中的fieldset标签应用
- linux下载TCGA数据,好用的新版TCGA数据下载方法
- ILSpy可以反编译c语言,如何使用ILSpy反编译.NET Framework程序集(读取其源代码)
- 学会2种方法，小白也能快速产出标准的Axure原型
- js封装websocket
- Java项目 yaml明文密码加密
- mac远程连接服务器问题 不存在该共享,Mac无法访问Windows共享服务器的解决方案...
- mysql数据库交互界面_MySQL数据库界面化工具 - Navicat的常用功能
- mac误删除文件恢复，mac文件丢失如何找回
- win10自带的输入法变成了繁体怎么改回来
- 深入浅出理解类和对象
- 由于Windows无法加载这个设备所需要的驱动设备，导致这个设备工作异常（代码31）VMware Virtual Ethernet Adapter for VMnet1 or VMnet8
- 上海科技领军企业CIMC中集飞瞳集装箱人工智能AI走向成熟，先进产品领跑全球集装箱AI航运港口人工智能应用，上海人工智能企业公司
- cad打印黑白图纸，该如何打印呢？
- 什么是Vanilla JavaScript？