打赏

windows下安装conda和安装GPU版本的tensorflow和pytorch

windows下安装conda和安装GPU版本的tensorflow和pytorch

驱动下载

查看自己电脑的独立显卡型号
如:NVIDIA GeForce RTX 3060
在查看自己电脑是否已经安装了显卡驱动,如果显卡可用,那么就是安装了驱动;否则就要到NVIDIA官网下载驱动
NVIDIA驱动程序下载
找到自己对应型号的显卡驱动下载安装即可。

  • 查看电脑显卡是否安装完成,在”命令提示符“输入命令nvidia-smi
    如果出现显卡信息则表示已经安装好

安装anaconda

直接去官网下载miniconda即可
Miniconda官网下载直达链接
选择对应的版本下载安装即可,下载安装完成后,可以通过conda info查看conda配置信息
修改安装源:
在C盘的用户目录下找到.condarc文件打开添加/修改以下信息
如果找不到,说明默认没显示,在命令行执行命令让文件显示出来
conda config --show > ./.condarc

channels:
  - https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - defaults
show_channel_urls: true
envs_dirs:
  - 自己指定路径\conda-env\envs
pkgs_dirs:
  - 自己指定路径\conda-env\pkgs

其中envs和pkgs不修改,则虚拟环境默认会安装到C盘用户目录下,为了避免虚拟环境占用C盘空间,建议修改到其他目录。

安装Tensorflow

conda create -n tensor2 python==3.7.3
#这里`tensor2`可以自行命名,python版本和tensorflow中GPU对照安装版本一致
  • 进入虚拟环境
conda activate tensor2
  • 安装cuda和cudnn
    在命令行中输入命令
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
  • 安装tensorflow
pip install tensorflow-gpu==2.3.0
  • 测试tensorflow可用性
    python环境下输入命令
import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))

安装Pytorch

  • 用命令行创建虚拟环境
conda create -n torch python==3.7.3
conda activate torch

通过官网查看安装版本
版本一定要对应好

#[安装旧版本](https://pytorch.org/get-started/previous-versions/)
# CUDA 11.7
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia
  • 测试安装是否可用
import torch
print(torch.cuda.is_available())

nvidia与cuda需要满足关系:
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

cuda与cudnn需要满足关系:
https://developer.nvidia.com/rdp/cudnn-archive

cuda历史版本下载连接:
https://developer.nvidia.com/cuda-toolkit-archive

conda env remove -p 要删除的虚拟环境路径
conda deactivate
posted @ 2023-10-08 23:26  不像话  阅读(162)  评论(0编辑  收藏  举报