Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

这篇具有很好参考价值的文章主要介绍了Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

之前搞了一个月左右时间用WSL2跑模型,后来发现还是不太习惯(其实用不明白),就转成Windows了。这次也是记录一下自己配环境的过程,以免下次还需要

安装Anaconda

下载方式

  • Anaconda官网
  • 清华镜像下载

tip:安装的时候注意尽量不要安装到C盘,选择Install for All Users,其他的一路next就行

之后配置一下环境变量,配置好如图所示,具体细节可以参考这篇博客

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

验证是否成功

配置好在cmd中输入下列代码验证是否安装成功

conda -V

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

添加镜像源

添加清华的镜像源,在Anaconda Prompt中输入下列代码

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/

然后检查是否添加成功

conda config --show channels

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

安装英伟达的驱动

去英伟达官网下载自己对应的显卡驱动即可,安装完成如图所示(应该中间需要注册一个NVDIA账号)

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

安装CUDA与cuDNN

在此之前需要确定一下自己需要装什么版本的Pytorch和Tenserflow,这个版本是必须匹配的(之前装CUDA装的太新了导致环境就是出问题,非常麻烦,活生生治好了我的低血压)所以推荐CUDA版本不要太新的,因为之后可能就是调包

查看能装CUDA版本上限

cmd中输入

nvidia-smi

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

说明我的CUDA版本不能超过12.2

确定要安装的版本

Tenserflow与CUDA的对应关系,参考数据来自**Tenserflow官网**

版本 Python 版本 编译器 构建工具 cuDNN CUDA
tensorflow_gpu-2.6.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2
tensorflow_gpu-2.5.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2
tensorflow_gpu-2.4.0 3.6-3.8 MSVC 2019 Bazel 3.1.0 8.0 11.0
tensorflow_gpu-2.3.0 3.5-3.8 MSVC 2019 Bazel 3.1.0 7.6 10.1
tensorflow_gpu-2.2.0 3.5-3.8 MSVC 2019 Bazel 2.0.0 7.6 10.1
tensorflow_gpu-2.1.0 3.5-3.7 MSVC 2019 Bazel 0.27.1-0.29.1 7.6 10.1
tensorflow_gpu-2.0.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10
tensorflow_gpu-1.15.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10
tensorflow_gpu-1.14.0 3.5-3.7 MSVC 2017 Bazel 0.24.1-0.25.2 7.4 10
tensorflow_gpu-1.13.0 3.5-3.7 MSVC 2015 update 3 Bazel 0.19.0-0.21.0 7.4 10
tensorflow_gpu-1.12.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0 7.2 9.0
tensorflow_gpu-1.11.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0 7 9
tensorflow_gpu-1.10.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.9.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.8.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.7.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.6.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.5.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.4.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 6 8
tensorflow_gpu-1.3.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 6 8
tensorflow_gpu-1.2.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 5.1 8
tensorflow_gpu-1.1.0 3.5 MSVC 2015 update 3 Cmake v3.6.3 5.1 8
tensorflow_gpu-1.0.0 3.5 MSVC 2015 update 3 Cmake v3.6.3 5.1 8

Pytorch与cuda的关系可以参考如下表格,具体细节可以参考这篇博客,这里搬运了一部分

cuda CUDAToolkit pytorch
11.3 11.3 1.10.1、1.10.0、1.9.1、1.9.0、1.8.1
11.1 11.1 1.10.0、1.9.1、1.9.0、1.8.1、1.8.0
11.0 11.0 1.7.1、1.7.0
10.2 10.2 1.10.1、1.10.0、1.9.1、1.9.0、1.8.1、1.8.0、1.7.1、1.7.0、1.6.0、1.5.1、1.5.0
10.1 10.1 1.7.1、1.7.0、1.6.0、1.5.1、1.5.0、1.4.0
10.0 10.0 1.2.0、1.1.0、1.0.1、1.0.0
9.2 9.2 1.7.1、1.7.0、1.6.0、1.5.1、1.5.0、1.4.0、1.2.0
9.0 9.0 1.1.0、1.0.1、1.0.0
8.0 8.0 1.0.0

综上,我选择了如下配置

  • CUDA : 11.0
  • CUDAToolkit : 8.0.2
  • tensorflow : 2.4.0
  • pytorch : 1.7.0

下载

接下来就是安装了,首先进入CUDA官网,选择自己要下载的版本,点进去后选择如下(如果是较新的CUDA版本可以按需选择Win11版本的)

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

再进入cuDNN官网,选择自己对应的版本(这里可能需要注册一个账号),点进入后同样选择如下

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

下载后会有两个文件

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

安装

首先安装第一个文件,刚开始弹出的路径不用管直接OK即可,后面会自动删除的,之后选择精简即可,然后一路next

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

然后解压第二个文件压缩包,得到如下文件

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

bin,include文件夹中的文件,分别下列地址对应的文件夹下(以我的地址为例),遇到提示,为全部选择覆盖和替换。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

需要注意的是,lib文件夹里的所有文件,需要复制到

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib\x64

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

这块的具体细节可以参考一下这篇博客

配置环境变量

进入环境变量设置在系统变量中加入以下几个环境,一定要按照自己的路径!!!

CUDA_PATH:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

CUDA_PATH_V11_3:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

CUDA_BIN_PATH:%CUDA_PATH%\bin

CUDA_LIB_PATH:%CUDA_PATH%\lib\x64

CUDA_SDK_PATH:C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0

CUDA_SDK_BIN_PATH:%CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH:%CUDA_SDK_PATH%\common\lib\x64

配置好如下:

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

C:\Program Files\NVIDIA Corporation\Nsight Compute 2020.1.0\

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib\x64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0\bin\win64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0\common\lib\x64

C:\Program Files\NVIDIA Corporation\NVIDIA NvDLISR

C:\Program Files (x86)\NVIDIA Corporation\PhysX\Common

C:\Program Files\NVIDIA Corporation\Nsight Compute 2020.1.0

配置好如下:

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

验证是否成功

之后重启电脑,输入以下代码

nvcc -V

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

安装Pytorch

Pytorch版本最好也不要安装很细新的,新的版本要求会变多,Run一下别人的代码经常会发现一片红通通的报错

新建Pytorch环境

首先用管理员的权限打开Anaconda Prompt,新建一个环境,这里采用的是Python3.8版本

conda create -n Pytorch python=3.8

激活环境

conda activate Pytorch

下载Pytorch

首先进入Pytorch官网,找到适合自己的版本进行下载,我选择的如下

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

将这个代码复制到Anaconda Prompt中即可安装(紧接着上述代码,确保自己在刚刚新建的环境中运行)

主要这里一定要去掉代码中的**-c pytorch**,安装的时候才会默认从镜像源下载相应的包。处理完我要运行的代码如下

conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=11.0

如果下载过慢或者下载不了,可以找到如下文件。(用户是你自己的用户名)

C:\Users\用户\.condarc

用编辑器打开,把最后一行defaults注销了

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

看到done即表示安装成功

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

验证是否成功

Anaconda Prompt输入

python
import torch
torch.cuda.is_available()
torch.cuda.get_device_name(0)

若输出为True并显示显卡名称,则代表安装成功。

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

安装Tenserflow

Tenserflow是我报错最多的库,版本不合适真的很头疼。所以建议也不要装很新的。

创建Tenserflow环境

这里我依旧采用的3.8版本

conda create -n Tenserflow python=3.8

激活环境

conda activate Tenserflow

下载Tenserflow

版本是上文定下的,这次直接采用pip安装了,

pip install tensorflow-gpu==2.4.0

验证是否成功

python
import tensorflow as tf
tf.config.list_physical_devices('GPU')

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

找到显卡即表示成功,说明可以调用GPU

总结

希望这次配完环境不会再换版本了,真的痛,希望二周目顺利

感谢你可以看到这里,文中如有不足,尽请见谅!文章来源地址https://www.toymoban.com/news/detail-480927.html

到了这里,关于Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【Win 11】Pytorch-CUDA版 安装指南

    笔者在很久之前就装过Pytorch,但当时装的是CPU版本,今天尝试装GPU版本,几经波折,总结一些问题在此,以少走弯路。 1. 查看自己的CUDA版本 对于英伟达30系显卡,算力达到8.x,一般需要适配11.x的CUDA。自己可以针对性根据自己的显卡算力查看适配的CUDA。 按下WIN+R键,输入

    2024年02月04日
    浏览(38)
  • win11 + insightface + pytorch + CUDA + cuDNN 实战安装

    安装攻关秘籍,步骤如下: 第一步. 下载 pycharm 社区版 官网在这里:https://www.jetbrains.com/pycharm/download/?section=windows 第二步. 下载 anaconda (最新版) // 参考下面文章来执行安装anaconda Windows下Miniconda+Pytorch+Pycharm开发环境搭建指南 第三步. 配置 anaconda 的path和加速下载源 加速下载源

    2024年01月17日
    浏览(40)
  • 从零开始配置深度学习环境:CUDA+Anaconda+Pytorch+TensorFlow

    本文适用于电脑有GPU(显卡)的同学,没有的话直接安装cpu版是简单的。CUDA是系统调用GPU所必须的,所以教程从安装CUDA开始。 可以配合视频教程食用:https://www.bilibili.com/video/BV12m4y1m7pq/?vd_source=06e4e8652ea90d79dadb7a59ff8acd36 CUDA是加速深度学习计算的工具,诞生于NVIDIA公司,是一

    2023年04月14日
    浏览(66)
  • 最新版本的Anaconda环境配置、Cuda、cuDNN以及pytorch环境一键式配置流程

    本教程是最新的深度学习入门环境配置教程,跟着本教程可以帮你解决入门深度学习之前的环境配置问题。同时,本教程拒绝琐碎,大部分以图例形式进行教程。这里我们安装的都是最新版本~ 1.1 下载 首先,进入Aanconda下载地址:https://www.anaconda.com/download/ 如果嫌下载慢的话,

    2024年02月13日
    浏览(69)
  • Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)

    本文已收录于Pytorch系列专栏: Pytorch入门与实践 专栏旨在详解Pytorch,精炼地总结重点,面向入门学习者,掌握Pytorch框架,为数据分析,机器学习及深度学习的代码能力打下坚实的基础。免费订阅,持续更新。 可能出现的问题: CUDA和cuDNN版本不匹配 CUDA和Pytorch版本不匹配

    2023年04月18日
    浏览(61)
  • win10安装Anaconda,配置Pytorch环境

    一、安装Anaconda Anaconda实际上是一个包管理器,可以理解为一个工具。Anaconda自带Python(选中版本)解释器以及其他一些数据分析与挖掘需要的模块而无需用户手动添加这些常用模块(安装模块会出现各种错误)。早期学Python时,我并没有觉得手动安装需要的模块有多麻烦,手

    2023年04月27日
    浏览(100)
  • win下pytorch安装—cuda11.6 + cudnn8.4 + pytorch1.12 + tensorRT(pycuda)

    写在前面 博主这里装的是cuda11.7,最后一步tensorRT运行的时候有个pycuda的安装,它的最新版本只支持到cuda11.6,所以博主最后是又把cuda11.7卸载后重新安装了11.6,安装过程和11.7一样。pytorch对应的版本也应该修改,但过程都一样。 下载地址:cuda下载官网链接 这里有个前置工作

    2024年02月11日
    浏览(50)
  • 【新手流程】1小时解决Anaconda+Cuda+Cudnn+Pytorch+Pycharm深度学习环境配置

    1、安装Anaconda 2、安装Cuda+Cudnn 3、安装Pytorch 4、安装Pycharm 5、配置Pycharm环境 点击进入Anaconda官网👉: Anaconda.com官网 https://www.anaconda.com/download/ 如果下载速度太慢可以使用这个镜像链接: Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror Index of /anaconda/a

    2024年02月16日
    浏览(104)
  • (纯小白向)Windows配置GPU深度学习环境:Cuda+Anaconda+pytorch+Vscode

    目录 一、Cuda和Cudnn下载安装 1.1 确定自己的电脑显卡驱动支持的Cuda版本 1.2 Cuda下载与安装 1.3 Cudnn下载与安装 二、Anaconda下载安装 2.1 下载 2.2 安装 2.3 手动配置环境变量 2.4 测试是否安装成功 三、Pytorch下载安装 3.1 创建conda虚拟环境 3.2 Pytorch下载 四、Vscode下载与环境配置 4.1

    2024年02月05日
    浏览(75)
  • Windows下Anaconda+CUDA+CUDNN+Pytorch+VSCODE安装配置及常见问题(可行方案)

    前言 此处写的以自己GT730为例,主要针对老版本显卡的可行安装步骤 这个内容主要是针对自己折腾几天遇到的问题和解决方法的一个记录,用来作为自己的备忘,遇到同样问题可以参考,同时也感谢各位博主之前的分享,为我提供了极大帮助; 另外,若有其它问题也可留言

    2024年02月04日
    浏览(64)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包