PyTorch-GPU环境配置
这篇博客就是为了记录下我自己配置PyTorch-GPU的过程。
因为我之前换过一次电脑，导致我这里还要再重新配置一下PyTorch。然而我之前配置的时候又没有做好记录，这次配置又要百度各种教程。😂吸取之前的教训，我现在要记录下我自己的配置过程，省的之后再安装还要百度23333333
创建conda虚拟环境
我通过如下命令创建了虚拟环境：
conda create -n pygpu pip python=3.7
在这里我发现我老是无法创建成功，我感觉可能就是源的原因吧。于是我参考 conda源配置 这篇博客，使用如下命令配置中科大源，解决了问题。
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
配置CUDA环境
因为我这台电脑之前已经安装过CUDA了，这次就只检查一下是否配置成功了。而关于如何安装CUDA，可以参考 Win10系统安装CUDA10.0和cuDNN 这篇博客。
命令行测试
打开cmd命令行窗口，通过如下命令检查cuda是否安装：
通过如下命令检查cuda是否安装：
nvcc -V
输出了
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Fri_Feb__8_19:08:26_Pacific_Standard_Time_2019
Cuda compilation tools, release 10.1, V10.1.105
这表明我已经安装好了cuda10.1的版本。
编译测试文件
打开C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1路径下的Samples_vs2017.sln
在“解决方案资源管理器”中找到1_Utilities，右键点击“生成”
这时VS2017在编译过程中产生“找不到Windows SDK版本”的错误：
解决方法：在解决方案中右键选择“重定解决方案目标”
点击确定即可通过编译。
验证deviceQuery.exe和bandwidthTest.exe
cmd窗口进入如下路径
cd C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1\bin\win64\Release
分别输入deviceQuery，bandwidthTest并运行，Result = PASS则说明通过，反之，Result = Fail 则需要重新安装。
配置CUDA环境变量
- 确认系统环境变量中：CUDA_PATH和CUDA_PATH_V10.0已经存在
- 添加：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
- 在cmd窗口查看环境变量配置情况，输入
set cuda，输出如下：
安装cuDNN
打开 cuDNN网页
注意在下载之前需要完成开发者注册（就是注册一个账号）
选择与CUDA匹配的cuDNN版本进行下载
下载之后是个压缩包文件，解压缩：
将CUDA\bin、CUDA\include、CUDA\lib中的内容拷贝到相应的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1文件路径下即可。
这里我参照 Win10系统安装CUDA10.0和cuDNN 这篇博客中加入了系统环境变量如下：
安装pytorch
在 Pytorch官网 中找到安装的命令。
我这里是直接使用pip安装的。
使用如下命令
pip install torch===1.4.0 torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.html
验证是否安装成功
为了确保PyTorch安装成功，我们需要运行简单的样例代码测试，例如打印出随机生成的张量矩阵，以及gpu是否可以使用。
首先在命令行输入python，进入python的解释器，输入以下语句
import torch
x = torch.rand(5,3)
print(x)
输出如下：
tensor([[0.9943, 0.2830, 0.5508],
[0.0765, 0.6474, 0.0059],
[0.7241, 0.1868, 0.5398],
[0.3217, 0.4664, 0.4242],
[0.3351, 0.2482, 0.7371]])
说明PyTorch安装成功。
接下来再输入
torch.cuda.is_available()
输出为True即证明支持GPU了。
