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Win10+CUDA+cuDNN+Tensorflow2.0+PyTorch1.2+Python3.7.6

前言
版本对应
查驱动版本
CUDA
一、安装CUDA 10.0
- CUDA卸载（本人因为兼容问题需要重装CUDA）
二、安装cuDNN 7.6.5
- 1.下载包（前提需要注册一个免费的NVIDIA）
- 2.解压缩，复制文件
三、Tensorflow2.0.1配置
四、PyTorch配置
- 下载安装包到本地
- 实验
- 遇到问题
总结

前言

大四了，快毕业，毕业设计有关深度学习，寒假想在家跑点深度学习模型，只能用自己GTX1060笔记本了。自己的笔记本是Win10系统，也不想换Ubuntu了，毕竟windows下各种办公学习软件，查论文用起来更方便。由此记录一下win10配置深度学习环境的过程。（GPU环境搭建）

我的配置：
系统：win10 64位
python版本：3.7.6
tensorflow-gpu版本：2.0.1
CUDA版本：10.0
cuDNN版本：7.6.5。

注意事项
1、路径不要有中文。
2、Tensorflow版本、PyTorch版本、CUDA版本、cuDNN版本和python版本是一一对应的，你可能更新其中一个后就导致深度学习环境不能用了。

再次强调：Tensorflow版本、PyTorch版本、CUDA版本、cuDNN版本和python版本是一一对应的

版本对应

NVIDIA官网给出的官方信息

所有能安装配置的前提是电脑拥有NVIDIA显卡（N卡），需要根据显卡的驱动信息选择对应的版本！

查驱动版本

打开NVIDIA控制面板，查看面板中的系统信息，检查驱动版本。

也可以直接cmd命令行输入：nvidia-smi

CUDA

CUDA11.2安装教程

一、安装CUDA 10.0

NVIDIA官网CUDA下载：10.0版本

等待下载完成，NVIDIA因为是外网所以下载速度…真的是太慢了，但是你如果…“科学上网一下”会好很多…

下载完成后是一个exe文件

我安装的是默认路径

点击同意并继续(A)

选择自定义安装，点击下一步（有些东西我感觉不会用到，所以就自定义安装了）

下一步选择想要安装的组件，因为我没有用过Visual Studio，所以去掉visual studio integration这一组件，Nsight我也不需要，这里解释一下，Visual Studio，Nsight都是CUDA C的IDE，如果不用的话可以都不用安装，我用的是Pycharm和Dev-C++，所以我就没装。

这里直接默认，点击下一步(N)即可

请注意：这里显示的是CUDA真正的安装位置

等待安装完成

安装完成，点击关闭

打开cmd，输入nvcc -V验证安装是否成功，显示CUDA版本信息，说明CUDA安装成功

CUDA卸载（本人因为兼容问题需要重装CUDA）

注意要留下：NVIDIA的图形驱动程序、NVIDIA Physx系统软件、NVIDIA GeForce Experience
如图所示：

依次卸载即可，点击卸载

卸载之后留存的 NVIDIA 控件

使用软件管家删除注册表

二、安装cuDNN 7.6.5

cuDNN是基于CUDA的深度学习GPU加速库。cuDNN是专门为深度学习算法服务的。同一个深度学习算法用cuDNN+CUDA实现相比直接CUDA实现效率更高，运行速度更快，资源消耗更少。

1.下载包（前提需要注册一个免费的NVIDIA）

注册账号就不多说了，直接注册就行，也可以直接微信扫码注册！

NVIDIA官网下载cuDNN: https://developer.nvidia.com/rdp/cudnn-archive

选择合适的版本

之后就会让你登录！注册一个账号，登陆即可

看到最上方有一个蓝条，就可以下载了

2.解压缩，复制文件

现在完成后是一个zip文件，需要解压缩

解压缩后得到三个文件夹，如下所示：

将解压后得到的的 bin ，include 和 lib 文件夹分别复制到cuda安装路径下与cuda的bin ，include 和lib文件夹合并。(相应文件夹下的文件复制粘贴)

测试安装是否成功，运行CUDA的官方示例，在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite路径下打开cmd，运行.\deviceQuery.exe显示如下结果说明安装成功:

三、Tensorflow2.0.1配置

打开命令行，输入：

python -m pip install --upgrade pip
pip install tensorflow-gpu==2.0.1

等待安装结束即可

#测试代码
import tensorflow as tf
gpu_ok = tf.test.is_gpu_available()
print("tf version:", tf.__version__)
print("use GPU", gpu_ok)

输出结果为：

四、PyTorch配置

访问PyTorch官网：
PyTorch官网https://pytorch.org/
往下翻有最新的安装代码，将NOTE里的代码复制到命令行中即可！
注意：一定注意自己的CUDA是否与自己本机配置相同，不同的可以进入下面的Previous versions of PyTorch访问往期下载命令

我的是CUDA10.0，因此打开命令行，输入：

#conda安装
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch
#pip安装
pip install torch==1.2.0 torchvision==0.4.0 -f https://download.pytorch.org/whl/torch_stable.html

粘贴代码到命令行：输入 y开始安装

等待下载完成：

下载完成：

下载安装包到本地

这里需要提醒一下，PyTorch的版本在国内下载是非常非常非常慢的，因此，建议大家在Package一项中选择“pip”安装，然后在“Run this Command”这一栏，直接复制代码中的两个网址，在新的浏览器页面中直接输入：
举个例子：

https://download.pytorch.org/whl/cu100/torch-1.1.0-cp36-cp36m-win_amd64.whl （CUDA 10.0）
https://download.pytorch.org/whl/cu90/torch-1.1.0-cp36-cp36m-win_amd64.whl （CUDA 9.0）

首先，cd 到下载文件的目录，然后运行以下命令：

#安装
pip3 install pkg_name.whl  #注意：将pkg_name换成下载的whl文件名(可能文件类型也不一样)

Pytorch 包下载链接

实验

import torch   #导入pytorch
a = torch.cuda.is_available()  #判断torch是否与cuda兼容
print(a)
ngpu= 1
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")     #判断是否是CUDA在运行
print(device)
print(torch.cuda.get_device_name(0)) #输出显卡型号
print(torch.rand(3,3).cuda())   #随机张量的创建(二维)

遇到问题

我第一次下载完成后运行测试代码引入pytorch时报错，后来重新配置一下环境，类似问题消失！可能是下载完的包只是下载还没有配置好！
我重新运行了一次安装代码，但是没有 -c pytorch，一定要删掉后面的-c pytorch，因为它代表直接从官网去下载，不会与本地安装好的匹配，还会全部重新下载。

conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0

之后它就会自动匹配之前离线安装好的东西，然后匹配相关的库的等级、版本之类的。

至此，win10下深度学习环境配置成功。

总结

此上就是深度学习环境的安装！！希望能帮助到大家。

深度学习环境配置Win10+CUDA+cuDNN+Tensorflow2.0+PyTorch1.2+Python3.7.6相关推荐

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 ...
Ubuntu18.04深度学习环境配置(简易方式)
为避免读者踩坑,本文测试成功了Ubuntu18.04环境下配置深度学习环境: (GPU:NVIDIA TITAN Xp),包括: CUDA+CUDNN+TensorFlow1.9+Pytorch1.1 ...
【深度学习环境配置】Anaconda +Pycharm + CUDA +cuDNN + Pytorch + Opencv（资源已上传）
文章目录一.推荐系列 1.1.大神视频详细讲解 1.2.最全最简易的保姆教程 1.3.百度网盘资源二.环境配置 2.0.查看已安装软件的版本号 2.1.Anaconda安装 2.2.Pycharm ...
深度学习环境配置超详细教程【Anaconda+PyTorch(GPU版)+CUDA+cuDNN】
深度学习环境配置入门深度学习,首先要做的事情就是要搭建深度学习的环境.不管你是Windows用户,Mac用户还是Ubuntu用户,只要电脑配置允许,都可以做深度学习,毕竟Windows.Mac和Ub ...
Nvidia TX2 刷机+深度学习环境配置(cuda 8.0+python 3.5+opencv 3.4+tensorflow 1.4.1+keras+pip3)
配置说明一.刷机/重装系统二.环境配置三.参考一.刷机/重装系统(系统损坏时可按以下步骤重装系统) 1)刷机之前的准备 (1)装有ubuntu16.04的电脑(主机),因为我们要安装的JetP ...
深度学习环境配置记录——RTX3050
一.下载首先需要先了解一下深度学习环境需要的各个软件之间的关系: 从源代码构建 | TensorFlow (google.cn) 然后了解自己的电脑 NVIDIA控制面板中查看显卡驱动,注意这个 ...
深度学习环境配置指南！（Windows、Mac、Ubuntu全讲解）
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货作者:伍天舟.马曾欧.陈信达入门深度学习,很多人经历了从入门到放弃的心 ...
深度学习环境配置指南：Pytorch、TensorFlow、Keras
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达作者丨Yukyin@知乎来源丨https://zhuanlan.z ...
【深度学习】相当全面的深度学习环境配置指南！（Windows、Mac、Ubuntu全讲解）...
作者:伍天舟.马曾欧.陈信达入门深度学习,很多人经历了从入门到放弃的心酸历程,且千军万马倒在了入门第一道关卡:环境配置问题.俗话说,环境配不对,学习两行泪. 如果你正在面临配置环境的痛苦,不管你是W ...

深度学习环境配置Win10+CUDA+cuDNN+Tensorflow2.0+PyTorch1.2+Python3.7.6

深度学习环境配置Win10+CUDA+cuDNN+Tensorflow2.0+PyTorch1.2+Python3.7.6

前言

版本对应

查驱动版本

CUDA

一、安装CUDA 10.0

CUDA卸载（本人因为兼容问题需要重装CUDA）

二、安装cuDNN 7.6.5

1.下载包（前提需要注册一个免费的NVIDIA）

2.解压缩，复制文件

三、Tensorflow2.0.1配置

四、PyTorch配置

下载安装包到本地

实验

遇到问题

总结

深度学习环境配置Win10+CUDA+cuDNN+Tensorflow2.0+PyTorch1.2+Python3.7.6相关推荐

最新文章

热门文章