Windows11安装GPU版本的pytorch环境

港控/mmm° 2024-03-16 22:25 90阅读 0赞

## 安装步骤总结： ##

1.  查看电脑是否有最新显卡驱动并确定已安装。
2.  安装CUDA（需要找准GPU驱动版本与CUDA版本的对应关系进行选择）
3.  安装cuDNN
4.  安装anaconda及pycharm及配置
5.  安装pytorch（一定要对应CUDA、CUDAA、Python的版本版本）
6.  测试培养pytorch是否安装成功

## 系统环境及演示版本说明： ##

1.  ###### 操作系统：windows 11 ######
2.  GPU信息：NVIDIA GeForce RTX 4070 Ti
3.  CUDA版本选择11.7
4.  cuDNN版本-8.7.0.84
5.  anaconda 2021 对应python 版本3.7
6.  pytorch虚拟环境的python版本3.9.16
7.  pytorch版本2.0.1+cu117
8.  torchvision版本'0.15.2+cu117'

###### 先认识一下一些概念， ######

1. GPU定义  
GPU，Graphics Processing Unit，图形处理器主要是指利用显卡上的GPU来代替CPU进行图形运算上的加速功能。

2. CUDA定义  
CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

3.cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库

总结：

简单来说，CPU适合串行计算，擅长逻辑控制。GPU擅长并行高强度并行计算，适用于AI算法的训练学习；CUDA 是NVIDIA专门负责管理分配运算单元的框架；cuDNN是用于深层神经网络的gpu加速库

### 步骤一：查看自己的电脑是否支持GPU ###

1.  计算机右击–>管理–>设备管理器–>显示适配器![3b7fb03be9e44a958b0969d93d1af62a.png][]

2、[检查显卡支持哪个版本的CUDA？][CUDA]

![20738f41299d462fab6bfb7f4a3cef7c.png][]

3、如果驱动不是最新则更新NVDIA驱动程序（可选操作，根据实际情况选择）：[https://www.nvidia.cn/Download/index.aspx?lang=cn][https_www.nvidia.cn_Download_index.aspx_lang_cn]  
![bee77a3b76c0432983f3a04bb8f50deb.png][]

### 步骤二、 安装CUDA（需要找准GPU驱动版本与CUDA版本的对应关系进行选择） ###

这里有个博客链接针对TensorFlow、pytorch安装时对应的不同操作系统下cpu、gpu版本的对应cuda及cudnn版本关系，[点击此处][Link 1]

如：

![e31ca150778c4a15b534e1d4913f10b0.png][]

![f0e99a516668474193e9af3c0c192639.png][]

去英伟达官网：[CUDA Toolkit Archive | NVIDIA Developer][CUDA Toolkit Archive _ NVIDIA Developer]查看CUDA与驱动的对应关系以及CUDA的下载），比如本人安装下载[cuda toolkit11.7][], 完成环境配置path,安装过程软件会自动配置环境变量，如下，进行核对：

![0fa3917516a44556a9223bca180b6508.png][]

安装后cmd窗口输入nvcc -V查看安装信息

打开CMD终端输入"nvidia-smi"查看是否正常，若不正常则将C:\\Program Files\\NVIDIA Corporation\\NVSMI添加到环境变量的path中。

![495463b159c8432d8f8c8e6888e9048f.png][]

注意： nvidia-smi命令后期会常用，用来检测当前电脑gpu使用情况

### 步骤三、安装cuDNN并安装设置 ###

1、根据上面自己的驱动及cuda版本后，找准自己需要安装cuDNN版本，去cuDNN下载官网：[https://developer.nvidia.com/rdp/cudnn-archive][https_developer.nvidia.com_rdp_cudnn-archive] 下载自己需要的版本，比如：我选的是[cudnn8.7][]

2、下载好是一个压缩包，下一步将其解压进入到文件夹界面

![e6095c496911410980075ba4c2e07901.png][]

3、将这三个文件夹复制到CUDA的安装目录下。默认的安装路径是C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.7。cuDNN 解压缩后的同名文件夹中的配置文件会添加到 CUDA安装目录中的同名文件夹中

![ae006bc17ec542b7b5240c2671feaf8d.png][]

进入环境变量设置路径。新建四个路径：（改成自己安装的路径）

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.7\\bin

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.7\\libnvvp

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.7\\include

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.7\\lib

大家可以根据自己的安装路径对其进行修改，我这个是默认的安装路径。

4、验证cuDNN是否安装成功

打开CMD，输入cd C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.7\\extras\\demo\_suite，（大家根据自己的安装路径进行修改即可）进入到这个文件路径，  
直接输入bandwidthTest.exe得到下面界面

![a601f5c957ec4a60be9ea36d7845adb5.png][]

输入deviceQuery.exe得到下面界面

![9fdf7f213bef4d0b9ff298c8a4b84605.png][]

安装cudnn成功。

## 步骤四、安装anaconda及pycharm及配置 ##

Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。

1、这个安装较简单，这里给出anaconda安装包[下载地址][Link 2]，自行选择

![7b29be8386eb41f7b3847cfe701d6b49.png][]

2、 安装完毕后打开conda程序如下图，然后修改Aanaconda国内镜像配置

![698471d3a4e5493b87d333263d3f1e54.png][]

3、 点击安装应用，测试是否能打开，

![9105589621dc4583952c2761a786df98.png][]**这里可能会出现，anaconda navigator打不开问题，参考本人其他博客进行解决，链接：[解决anaconda navigator打不开问题][anaconda navigator]**

4、这里再给出**anaconda配置镜像安装源及**[常用命令参考网站][Link 3]

注意：conda和pip的镜像源安装是建议一定设置的，否则后面安装依赖库时会很慢。

这里给出我的conda镜像源配置文件的信息：.condarc配置文件一般在c盘下的用户根目录。

channels:  
\- defaults  
show\_channel\_urls: true  
channel\_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda  
default\_channels:  
\- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main  
\- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free  
\- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r  
\- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro  
\- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2  
custom\_channels:  
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud  
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud  
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud  
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud  
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud  
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud  
remote\_read\_timeout\_secs: 600.0

5、安装pycharm软件（有专业版和社区版），这个安装比较简单，自行查阅教程安装，这里需要说的是pycharm如何配置刚才创建的虚拟环境。

### **接下来在pycharm中调用该虚拟环境。（编译器配置）** ###

打开pycharm.

![7306ca8dff5044e5b4a4e90b48bb0780.png][]

点击file>>setting>> add python interper按钮，

![f0aa0ae232cd4896918024db8670d55a.png][]

选择Conda Environment.

Existing environment

点击Interpreter.

![82edd9a554d8418d9ac30f27b6375a21.png][]

弹出这个操作界面。

找到自己anaconda 安装地址。

![0aff6259a5c44adfb3fde28468b972d3.png][]

展开envs。

![044d4171c95644a5a8fdc1571e961888.png][]

找到自己创建的虚拟环境并展开（主要是python>=3.7和pytorch>=1.7），

选择对应python.exe.

![292b12e3b1e24c598d85e8b4059ddab6.png][]

点击ok.即可。

### 步骤五：安装pytorch（一定要对应CUDA、CUDAA、Python的版本版本） ###

注：安装pytorch分为两种方式：一是直接安装到本地全局（base环境，这种情况可以节省存储空间，一个环境可以用在不同的项目中，但项目过多会造成不同的环境依赖版本冲突或不兼容的情况）中，另外一种是创建虚拟环境进行安装（该方法可以针对不同项目隔离不同的依赖版本进行下载，更能保证项目的运行，但是会消耗电能磁盘空间）。

本文选择创建虚拟环境安装pytorch

1、打开anaconda应用终端

![c7e635fd75da496db5928bbadb058fe1.png][]

2、创建虚拟环境（其中yolov5是名称，python=3.9是指定python的版本）

conda create -n yolov5 python=3.9

3、激活环境

conda activate yolov5

4、在线下载安装pytorch，一定要对应CUDA、CUDnn、PYTHon的版本版本

Pytorch下载官网：[Start Locally | PyTorch][Start Locally _ PyTorch]

可以使用pip或者conda安装

![83642d0857e74ee294c9d288ff69e264.png][]

命令（下面命令两个选一个即可）：

1、\#使用pip安装cuda版本的pytorch：

pip3 install torch torchvision torchaudio --index-url [https://download.pytorch.org/whl/cu117][https_download.pytorch.org_whl_cu117]

2、\#使用conda安装cuda版本的pytorch

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

3（离线安装pytorch）

如果上述方法有较慢，可以提前下载好pytorch文件，进行离校安装

去Pytorch清华源镜像文件下载链接：[Index of /anaconda/cloud/pytorch/win-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror][Index of _anaconda_cloud_pytorch_win-64_ _ _ _ Tsinghua Open Source Mirror]

或者网站：[https://download.pytorch.org/whl/torch\_stable.html][https_download.pytorch.org_whl_torch_stable.html]

下载好 torch-1.13.1+cu117-cp37-cp37m-win\_amd64（**要选择好对应的版本**）

使用pip install 文件路径:/ torch-1.13.1+cu117-cp37-cp37m-win\_amd64

4、安装torchvision-0.14.1+cu117-cp37-cp37m-win\_amd64

在网站[https://download.pytorch.org/whl/torch\_stable.html][https_download.pytorch.org_whl_torch_stable.html]

下载版本0.14.1 使用pip命令安装

### 步骤六：测试培养pytorch是否安装成功 ###

完成上述安装后，激活环境，并执行python，执行以下命令进行验证，只有都通过则是安装成功

import torch

import torchvision

print(torch.\_\_version\_\_)

print(torch.version.cuda)

torch.cuda.is\_available()

print(torch.cuda.device\_count())

torch.\_\_version\_\_

a = torch.tensor(1.)

a.cuda()

from torch.backends import cudnn

cudnn.is\_available()

cudnn.is\_acceptable(a.cuda())

torchvision.\_\_version\_\_

参考下图：

![0e8a7a4ea32a4667a161719617b23c18.png][]

至此，所有环境已安装成功！！！

[3b7fb03be9e44a958b0969d93d1af62a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/1e05b24d4790490784b8909b41075116.png
[CUDA]: https://blog.csdn.net/qq_36652619/article/details/82971104?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task
[20738f41299d462fab6bfb7f4a3cef7c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/6f0fd7f4943e4225950691842f4e7e24.png
[https_www.nvidia.cn_Download_index.aspx_lang_cn]: https://www.nvidia.cn/Download/index.aspx?lang=cn
[bee77a3b76c0432983f3a04bb8f50deb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/b8edecba1d1241bbb65f4a3b67bbb2c9.png
[Link 1]: https://blog.csdn.net/caiguanhong/article/details/112184290?utm_medium=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromMachineLearnPai2~default-3.baidujs&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromMachineLearnPai2~default-3.baidujs
[e31ca150778c4a15b534e1d4913f10b0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/ed7bc1388ad3414ab323e42a32b2b09f.png
[f0e99a516668474193e9af3c0c192639.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/a20730ac888441c59dec6dccabe42be9.png
[CUDA Toolkit Archive _ NVIDIA Developer]: https://developer.nvidia.com/cuda-toolkit-archive
[cuda toolkit11.7]: https://developer.nvidia.com/cuda-11-7-0-download-archive
[0fa3917516a44556a9223bca180b6508.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/787d99023067405683ff593a46cdfb79.png
[495463b159c8432d8f8c8e6888e9048f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/ab2aa8fb60b447d4b7fafac7a00bfb31.png
[https_developer.nvidia.com_rdp_cudnn-archive]: https://developer.nvidia.com/rdp/cudnn-archive
[cudnn8.7]: https://developer.nvidia.com/rdp/cudnn-archive#a-collapse870-118
[e6095c496911410980075ba4c2e07901.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/d37a4ff3aae64800b28b5a0212ee7d5d.png
[ae006bc17ec542b7b5240c2671feaf8d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/e6b91bf1c15b41049072e0f7382f36cb.png
[a601f5c957ec4a60be9ea36d7845adb5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/86cb5aeae3bd46f2a0441fdf98221604.png
[9fdf7f213bef4d0b9ff298c8a4b84605.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/add84332c688471d95b9ce3552ccc3a0.png
[Link 2]: https://repo.anaconda.com/archive/
[7b29be8386eb41f7b3847cfe701d6b49.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/5f27ef8eb136427a893ab5b2a82cba51.png
[698471d3a4e5493b87d333263d3f1e54.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/e83bc7e2b2fd4820af39dfd204a264f6.png
[9105589621dc4583952c2761a786df98.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/8a71c234b3d2468b809e7feceaaf5d30.png
[anaconda navigator]: https://blog.csdn.net/weixin_43402278/article/details/131358778?spm=1001.2014.3001.5502
[Link 3]: https://www.jianshu.com/p/fe8cc7b6f558
[7306ca8dff5044e5b4a4e90b48bb0780.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/d8907d41986d48c29e073d89e08a5baf.png
[f0aa0ae232cd4896918024db8670d55a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/a96a98dc0d0a4b6ab2a9e20ba3aaa5c7.png
[82edd9a554d8418d9ac30f27b6375a21.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/aa0bcbf5f3074086bdee84243208041f.png
[0aff6259a5c44adfb3fde28468b972d3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/dd64859a5ab6491eb707e825b0e97ccf.png
[044d4171c95644a5a8fdc1571e961888.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/72259c49b1e3494ca3de80a8f208a500.png
[292b12e3b1e24c598d85e8b4059ddab6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/a7f71a6b018f49958d245c3e09a6dcf1.png
[c7e635fd75da496db5928bbadb058fe1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/2eaeda5d84134796b2d53571cdc8ae4b.png
[Start Locally _ PyTorch]: https://pytorch.org/get-started/locally/
[83642d0857e74ee294c9d288ff69e264.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/24874783dc534a09970cbc6873d876c3.png
[https_download.pytorch.org_whl_cu117]: https://download.pytorch.org/whl/cu117
[Index of _anaconda_cloud_pytorch_win-64_ _ _ _ Tsinghua Open Source Mirror]: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
[https_download.pytorch.org_whl_torch_stable.html]: https://download.pytorch.org/whl/torch_stable.html
[0e8a7a4ea32a4667a161719617b23c18.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/575a822639844fa499d70bc03bdf5d45.png