Skip to content

Latest commit

 

History

History
134 lines (73 loc) · 7.18 KB

installing-pytorch-with-cuda-support-on-windows-10-a38b1134535e.md

File metadata and controls

134 lines (73 loc) · 7.18 KB
Raw

在 Windows 10 上安装支持 CUDA 的 Pytorch

原文：https://pub.towardsai.net/installing-pytorch-with-cuda-support-on-windows-10-a38b1134535e?source=collection_archive---------0-----------------------

深度学习

在 Pycharm 中配置一个 Conda 环境，以便能够使用 CUDA

作者制作的图像

Pytorch 是一个 Python 包，用于开发深度学习模型，具有最大的灵活性和速度。Pytorch 的特点是 张量 ，本质上是 n 维数组，用于矩阵计算。所以，它类似于 NumPy 数组。使用 Pytorch 张量代替 Numpy 数组的优点是 PyTorch 张量可以在 GPU 上运行[1]。

Pytorch 安装本身并不难，但是在本地机器上启用 GPU 的步骤并不乏味。本文将指导您完成设置所需工具和安装在 Windows 机器上启用 GPU 所需的驱动程序的整个过程。

编写高效 Python 代码的一个好的 IDE 是 Pycharm。它是最好的编程工具之一，因为它提供了许多额外的功能，代码分析，一个有用的图形调试器来分析你的代码中的错误，并支持和允许建立一个已经创建的 Anaconda 虚拟环境。即使您更喜欢 Pycharm 之外的其他工具，如 Jupiter Notebook，您仍然可以按照指南了解如何在 Anaconda 中集成加速库。

信用:Pytorch.org

上表很好地恢复了安装 Pytorch 和 CUDA 支持的先决条件。Pytorch 的最新版本是 Pytorch 1.7.1。将 Pytorch 版本与其他特性、操作系统、python 包、语言和 CUDA 版本相匹配的方法有很多。在这种情况下，我会选择 python ch 1 . 7 . 1，Anaconda 的最新版本，CUDA 10.2。

内容:

  1. 下载 NVIDIA CUDA 工具包
  2. 下载安装 cuDNN
  3. 获取 GPU 的驱动软件
  4. 下载蟒蛇
  5. 下载 Pycharm

1。英伟达 CUDA 工具包

这是一个创建 GPU 加速应用程序的开发环境。它包括使用 GPU、调试、优化工具和许多其他功能的库。为了安装 CUDA，您需要安装与 Pytorch 1.7.1 兼容的版本 CUDA Toolkit 10.2 。选择与您的操作系统兼容的选项。

信用: CUDA 工具包 10.2

2。下载并安装 cuDNN

信用: cuDNN

CUDA 深度神经网络库是为深度神经网络设计的库，通过使用 GPU 来加速。它允许计算开销很大的操作，如卷积、最大池化、批量标准化和激活层。

一旦库的安装完成，您需要下载 CuDNN 的兼容版本。只有在您创建帐户并输入所需的详细信息后，才可能做到这一点。您必须安装对应 CUDA toolkit 10.2 的版本，即 CuDNN v8.0.5 。而且，你需要选择“cuDNN 库 for Windows10”。

下载完成后，您需要:

  • 解压缩 cuDNN 文件
  • 复制文件夹“cuda”中包含的文件
  • 在 NVIDIA CUDA 10.2 的道路上移动它们。

cuDNN 下载

CUDA 工具包 10.2

3。获取 GPU 的驱动软件

NVIDIA driver 是一款免费软件下载，旨在连接您的操作系统和 GPU，以选择图形设计、摄影、广播和视频编辑的创意应用程序。可以从 Nvidia 网站下载驱动程序。在这样做之前，你需要在设备管理器 (Gestione Dispositivi)中检查你的显示适配器 (schede video)的正确版本。

我的情况是英伟达 GeForce GTX 960M 。一旦你选择了你在设备管理器上找到的选项，你就可以下载了。

信用: NVIDIA 驱动

4。下载蟒蛇

我们需要安装 Anaconda ，它将在 Pycharm 的虚拟环境中用作解释器。安装很容易，但需要一些时间。同时，你可以放松，做任何你想做的事。一旦完成，打开命令提示符，在搜索栏中运行' cmd ，然后右击 Anaconda 提示符选择'以管理员身份运行'。在提示符下写下下面一行代码后:

**conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch**

使用 Pytorch 启用 GPU 非常重要。所以，不要跳过这一步，否则是不行的。

5。下载 Pycharm

信用: Pycharm

有两个版本，完整的专业版和免费版。我关注的是免费的社区版本，它是免费的并且运行得足够好。下载完成后，我们可以打开 Pycharm 并创建一个新项目，在其中选择解释器。在这里是 Anaconda 环境。您需要检查文件系统中 Anaconda 可执行文件的路径。比如我的路径是C:\ Users \ nuovo \ anaconda 3 \ python . exe。

一旦您选择了解释器，您就可以创建项目了。要查看解释器，需要点击菜单中的文件，进入设置→项目:名称→解释器。

看看是不是和这个截图差不多。如果不一样，你需要检查你电脑里的正确路径。要检查 CUDA 是否工作，可以用格式写一个文件。py 下面两行代码:

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

如果该行代码返回 True，这意味着您的系统支持 CUDA。

最终想法:

这些是我在 Windows 10 上安装 CUDA toolkit、cuDNN、NVIDIA driver、Anaconda 和 Pycharm 的步骤。CUDA 的出现将有助于加快 Pytorch 模型的速度。我希望这个故事对你有用，并能帮助你建立你的深度学习环境。感谢一路阅读。

有兴趣看其他文章吗？下面我给你推荐几个故事:

[## Pytorch 初学者教程

Pytorch 是脸书人工智能研究实验室于 2016 年开发的深度学习框架。它因计算机而广为人知…

pub.towardsai.net](/pytorch-tutorial-for-beginners-8331afc552c4) [## 使用 MNIST 数字识别 Skorch 训练 CNN

结合了 scikit-learn 的灵活性和 PyTorch 的强大功能的库

medium.com](https://medium.com/datadriveninvestor/train-a-cnn-using-skorch-for-mnist-digit-recognition-53d7d2f971c7) [## 机器学习模型的 k 重交叉验证

使用 sklearn 的交叉验证技术概述

pub.towardsai.net](/k-fold-cross-validation-for-machine-learning-models-918f6ccfd6d)

参考文献:

[1]https://github.com/pytorch/pytorch#from-source