一、安裝Anaconda 或者Miniconda,這裏不再贅述,conda的具體安裝和使用自行百度。
二、查看並升級Nvidia顯卡驅動
1、在win10系統裏,點擊右下角的向上箭頭,看到縮略圖,英偉達的logo下方有個“!”,提示驅動有更新,若已是最新版本,跳過以下2、3兩步。
2、點擊後跳轉到NVIDIA官網,點擊“自動驅動程序更新”下的下載按鈕;
3、下載完成並安裝後重啓計算機,打開桌面上新安裝的GeForce Experience程序,進入界面後,完成登錄或者註冊後,下載最新版本的GeForce Game Ready Driver,下載完成後安裝即可,安裝完成後可能會需要重啓計算機;
4、查看當前顯卡驅動版本,鼠標右鍵,打開NVIDIA控制面板,選擇 “幫助”下的“系統信息”,可看到當前的顯卡驅動版本,
三、安裝CUDA
1、下載正確版本的cuda:
進入Nvidia CUDA下載官網,下載對應版本的CUDA-Toolkit,首先在官網查看對應Release Notes版本發佈信息:
由於conda的清華鏡像源還沒有cuda10.2的版本,這裏我們可下載10.1版本, CUDA10.1下載地址。
2、安裝CUDA:
點擊下載好的exe安裝程序後,檢查系統兼容性後選擇自定義安裝,選擇安裝以下4個組件即可,點擊下一步,安裝完成。
如果安裝完後沒有報錯,並且C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1目錄路徑都存在的話,可進行下一步設置環境變量。
3、設置環境變量
在系統變量中添加以下變量(與Path同級位置)
CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
CUDA_PATH_V9_1 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
##正常情況下上面兩個電腦直接生成了
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
依次填入後,找到path依次點擊新建,將 %CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_BIN_PATH%;%CUDA_SDK_LIB_PATH%;填完後如下圖,全部安裝好後一定要記得重啓!。
4、測試CUDA是否安裝成功:
進入cuda安裝路徑:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite
同樣用cmd,分別輸入deviceQuery.exe 和 bandwidthTest.exe,若都顯示 Rsult=PASS 則說明通過,否則需要重新安裝。
四、安裝pytorch
1、conda添加清華鏡像源:
由於從官方的conda源中下載速度過於緩慢,我們需要配置清華鏡像源:
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 --set show_channel_urls yes
另外爲了保險起見,建議同時添加第三方conda源:
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/pytorch/
2、創建並進入虛擬環境
conda create -n pytorch
conda activate pytorch
3、安裝pytorch
進入pytorch官網,根據Python和CUDA選擇對應的版本,然後官方給出提示可通過運行:
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
但是這裏一定要注意,去掉-c pytorch,安裝的時候纔會默認從清華源下載相應的包,因此這裏用命令行:
conda install pytorch torchvision cudatoolkit=10.1
接着等待安裝成功就好了。
最後可以通過命令行驗證一下,可以看到已經正確安裝PyTorch1.4.0,且可以調用GPU。
import torch
print(torch.__version__)
print("gpu", torch.cuda.is_available())
打印結果:
至此,pytorch以及GPU顯卡的配置大功告成!