-
RTX3060：NVIDIA生产的GPU显卡芯片型号，深度学习需要使用高端显卡进行训练，显卡与显卡驱动版本有对应关系
-
Cuda：NVIDIA开发的GPU计算平台，通过应用程序安装，只能用于NVIDIA自家的显卡，Cuda与显卡驱动版本有对应关系
-
Cudnn：GPU加速计算库文件，需要将其复制到Cuda的安装目录，能够加速GPU的训练过程，Cudnn与Cuda版本有对应关系
-
Anaconda：开源的Python发行版本，包含conda、pip、numpy等大量科学计算安装包，可以随时更改Python版本
-
conda：包、环境管理器，比pip功能更强大，可以创建不同的虚拟环境，也方便项目的部署
-
Python：人工智能必备编程语言
-
Pytorch：学术研究中流行的深度学习框架之一，可以方便的设计神经网络进行训练，Pytorch与Cuda、Python版本有对应关系
-
torchvision：Pytorch中专门用来处理图像的库，包含datasets（数据集）、models（已训练模型）、transforms（图像转换）、utils（图像处理）四大类库，torchvision与Pytorch版本有对应关系
-
torchaudio：Pytorch中专门用来处理音频的库，torchaudio与Pytorch版本有对应关系
-
Pycharm：流行的Python集成开发环境之一，支持控制台、环境创建，代码补全、高亮、项目管理等强大功能
重点注意各版本对应关系
通过NVIDIA控制面板，查看RTX3060显卡驱动版本为：472.19，cuda版本最高支持版本：11.4.141
显卡与cuda版本对应关系查看：Release Notes :: CUDA Toolkit documentation
Pytorch最新版本下载页面：Start Locally | PyTorch
Pytorch各详细版本下载链接：https://download.pytorch.org/whl/torch_stable.html
————————————————————————
Pytorch1.8.0 最高支持cuda11.1
Pytorch1.8.1 最高支持cuda11.1
pytorch1.8.2（长期支持版）最高支持cuda11.1
Pytorch1.90 最高支持cuda11.1
Pytorch1.91 最高支持cuda11.1
pytorch1.10（稳定版）最高支持cuda11.3
————————————————————————
【第三步】下载cuda、cudnn根据第一步，第二步信息，教程选择Pytorch版本为1.8.0，cuda版本为11.1
查看cuda与cudnn对应版本，cuda和cudnn版本对应关系：cuDNN Archive | NVIDIA Developer
————————————————————————
cuda10.2、11.0、11.1、11.2 <——>cudnn8.1.0
cuda10.2、11.0、11.1、11.2 <——>cudnn8.1.1
cuda10.2 、11.x<——>cudnn8.2.0
cuda10.2 、11.x<——>cudnn8.2.1
cuda10.2 、11.4<——>cudnn8.2.2
cuda10.2 、11.4<——>cudnn8.2.4
————————————————————————
教程选择cuda版本为11.1，cudnn版本为8.1.1
cuda下载列表链接：CUDA Toolkit Archive | NVIDIA Developer
cuda 11.1.0（2.92GB）win10_64.exe下载链接：https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_456.43_win10.exe
cudnn 8.1.1.33（660MB）win10_64.exe下载链接：https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.1.1.33/11.2_20210301/cudnn-11.2-windows-x64-v8.1.1.33.zip
备注：cudnn的下载需要NVIDIA官网注册登录邮箱账号
【第四步】安装cuda安装cuda程序文件，并解压cudnn后复制所有文件到cuda的对应安装目录
【第五步】安装AnacondaAnaconda官网：Anaconda | Individual Edition
Anaconda各版本下载列表：Index of /
Anaconda（3-2021.05_Win_x86_64）下载链接：https://repo.anaconda.com/archive/Anaconda3-2021.05-Windows-x86_64.exe
该版本Anaconda安装后python默认版本：3.8.8，conda默认版本：4.10.1，pip默认版本：21.0.1
Anaconda默认下载源速度较慢，可以在conda控制台使用以下命令添加清华镜像源加速
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/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ # 搜索时显示通道地址 conda config --set show_channel_urls yes
使用conda创建一个虚拟环境，示例命令中环境名为pytorch，python版本为3.8
conda create -n pytorch python=3.8
激活虚拟环境pytorch
conda activate pytorch【第六步】安装Pytorch
（1）Pytorch最新版本下载页面：Start Locally | PyTorch，通过最新下载页面获取安装命令
（2）Pytorch历史版本下载页面：Previous PyTorch Versions | PyTorch，通过历史下载页面获取安装命令
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge
在conda控制台使用复制的安装命令安装pytorch
其中pytorch下载较慢，可以在官网下载文件后，使用pip install **.whl方式安装
Pytorch各详细版本下载链接：https://download.pytorch.org/whl/torch_stable.html
pytorch：1.8.0：https://download.pytorch.org/whl/cu111/torch-1.8.0%2Bcu111-cp38-cp38-win_amd64.whl
torchvision==0.9.0：https://download.pytorch.org/whl/cu111/torchvision-0.9.0%2Bcu111-cp38-cp38-win_amd64.whl
torchaudio==0.8.0：https://download.pytorch.org/whl/torchaudio-0.8.0-cp38-none-win_amd64.whl
切换到文件目录下安装torch：
cd D:UserslishanDesktop D: pip install "torch-1.8.0+cu111-cp38-cp38-win_amd64.whl"【第七步】安装Pycharm
Pycharm下载链接：PyCharm：JetBrains为专业开发者提供的Python IDE
Pycharm（win_2021.2.3）下载链接 谢谢您下载PyCharm！
【第八步】Pycharm中使用Pytorch新建一个项目，选择已存在的Conda环境，（或者新建一个环境也行，也就是第五步中创建环境的命令，然后第六步中的Pytorch安装命令，可以在控制台完成）
选择已存在Conda环境中的Python解释器
Pytorch运行测试代码（来自官方例程，Learning PyTorch with Examples — PyTorch Tutorials 1.10.0+cu102 documentation）
例程功能：使用 PyTorch 张量将三阶多项式拟合到正弦函数。
# -*- coding: utf-8 -*-
import torch
import math
dtype = torch.float
device = torch.device("cpu")
# device = torch.device("cuda:0") # Uncomment this to run on GPU
# Create random input and output data
x = torch.linspace(-math.pi, math.pi, 2000, device=device, dtype=dtype)
y = torch.sin(x)
# Randomly initialize weights
a = torch.randn((), device=device, dtype=dtype)
b = torch.randn((), device=device, dtype=dtype)
c = torch.randn((), device=device, dtype=dtype)
d = torch.randn((), device=device, dtype=dtype)
learning_rate = 1e-6
for t in range(2000):
# Forward pass: compute predicted y
y_pred = a + b * x + c * x ** 2 + d * x ** 3
# Compute and print loss
loss = (y_pred - y).pow(2).sum().item()
if t % 100 == 99:
print(t, loss)
# Backprop to compute gradients of a, b, c, d with respect to loss
grad_y_pred = 2.0 * (y_pred - y)
grad_a = grad_y_pred.sum()
grad_b = (grad_y_pred * x).sum()
grad_c = (grad_y_pred * x ** 2).sum()
grad_d = (grad_y_pred * x ** 3).sum()
# Update weights using gradient descent
a -= learning_rate * grad_a
b -= learning_rate * grad_b
c -= learning_rate * grad_c
d -= learning_rate * grad_d
print(f'Result: y = {a.item()} + {b.item()} x + {c.item()} x^2 + {d.item()} x^3')
配置结果
最终配置环境信息如下：
-
*** 作系统：window 10
-
显卡：RTX3060
-
显卡驱动版本：472.19
-
Pytorch版本：1.8.0
-
CUDA版本：11.1
-
CuDNN版本：8.1.1
-
Anaconda版本：3-2021.05
-
Conda版本：4.10.1
-
Pip版本：21.0.1
-
Python版本：3.8.8
-
torchvision版本：0.9.0
-
torchaudio版本：0.8.0
-
Pycharm版本：2021.2.3
Pytorch官方教程：Learning PyTorch with Examples — PyTorch Tutorials 1.10.0+cu102 documentation
Pytorch中文教程推荐：PyTorch 自动微分 - PyTorch官方教程中文版
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）