Windows Anaconda精简安装cuda+pytorch+torchvision

目录

1.简介 

2.Anaconda安装

3.CUDA+pytorch+torchvision安装 

3.1.虚拟环境

3.2.CUDA版本

3.3.下载慢或中断

4.测试


1.简介 

        如果要做深度学习肯定是要用GPU和装cuda的啦,那么这篇文章主要是用来给大家避坑的。之前我都是傻傻地去安装官网上cuda和cudnn的exe文件,先后经历了官网下载速度慢、找对应版本的网盘资源、甚至居然还需要visual studio来编译等大坑,后来才发现以上都不需要,只需要下载安装anaconda就够了!!!


2.Anaconda安装

官网链接:Anaconda | The World's Most Popular Data Science Platform

Products ==》Individual Edition==》Download

改下路径一路默认安装就ok,已经安装过的跳过就好。


3.CUDA+pytorch+torchvision安装 

conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

安装的代码十分简单,打开anaconda prompt,输入上面代码即可安装。但是运行之前强烈推荐先看下以下注意事项

如果你是一个准备长期做深度学习和使用anaconda的人,那么虚拟环境可以让你在使用的时候更加方便、整洁,且优雅。详情参考3.1.虚拟环境

CUDA版本需要根据自己的显卡决定;pytorch和torchvision的版本默认安装选择的cuda版本所支持的版本,也可以像cuda版本一样自己指定,不过这样的话要注意三者之间的兼容性。详情参考3.2.CUDA版本

如果遇到了下载慢或中断的情况,详情参考3.3.下载慢或中断


3.1.虚拟环境

默认的安装是在base下面,这样的话不同版本的库杂糅在一起,可能会造成冲突,需要用到其他版本的时候也需要重新安装,十分麻烦。虚拟环境相当于新建一个项目,里面保留了固定的配置环境,这样运行不同版本需求的代码只需要切换环境即可。

新建虚拟环境:xxx为这个虚拟环境的名字,python版本可以根据需求修改。

conda create -n xxx python=3.7

激活虚拟环境:激活环境后即可运行之前安装cuda的代码。

conda activate xxx

退出虚拟环境:需要退出或切换虚拟环境时用到

conda deactivate

3.2.CUDA版本

查看电脑显卡和对应版本步骤如下: 

1. 开始界面搜索nvidia,打开NVIDIA控制面板。

2. 帮助==》系统信息==》组件。

3. 这里的cuda版本是最高版本,可以向下兼容,比如这里的11.3可以安装11.3之前以及10或者9开头的CUDA版本,不过太老的版本可能会导致pytorch运行性能下降。


3.3.下载慢或中断

由于下载源在国外的原因,需要配置conda的国内镜像。这里推荐北外的镜像源,贼好用。

镜像链接及配置教程见:anaconda | 镜像站使用帮助 | 北京外国语大学开源软件镜像站 | BFSU Open Source Mirror


4.测试

python
import torch
print(torch.cuda.is_available())

打开prompt终端,激活虚拟环境,依次输入以上代码,输出True即代表安装成功。


业务合作/学习交流+v:lizhiTechnology

### 不同操作系统上的 Python 和 PyTorch 安装方法 #### Windows 系统下的安装过程 对于 Windows 用户来说,推荐使用 Anaconda 来管理 Python 环境以及安装 PyTorch。这不仅简化了依赖项处理还提供了稳定的工作环境。 - **创建并激活新的 Conda 虚拟环境** 推荐先建立一个新的 conda 环境用于隔离项目所需的包版本: ```bash conda create --name myenv python=3.9 conda activate myenv ``` - **安装 CPU 或 GPU 版本PyTorch 及其配套工具** 对于仅需支持 CPU 的情况可以直接运行如下命令完成安装[^4];而对于希望利用 NVIDIA 显卡加速计算的情况,则应确保已正确配置 CUDA 工具链后再执行相应指令[^3]。 ```bash # CPU-only version conda install pytorch torchvision torchaudio cpuonly -c pytorch # For GPU support (replace 'cu113' with your specific CUDA version) conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` #### macOS/Linux 下的操作步骤 macOS 和 Linux 平台同样适用上述基于 Conda 的安装方式。不过也可以选择 pip 方式来进行更灵活定制化的部署。 - **通过 Pip 安装最新发布的 PyTorch 发行版** 需要提前确认好目标平台所对应的二进制文件链接地址,并据此调整下面给出的例子中的 URL 参数以匹配特定硬件架构与 CUDA 版本需求[^2]。 ```bash pip3 install torch torchvision torchaudio ``` 若是针对具有 Nvidia GPU 加速功能的需求,则可通过访问官方提供的轮子列表页面获取适合当前系统的.whl 文件路径后手动指定下载源进行安装[^1]。 #### 使用 Miniconda 进行轻量级设置 考虑到某些情况下可能不需要整个 Anaconda 套件带来的额外开销,Miniconda 提供了一个更为精简的选择方案。只需按照官方网站指引下载对应操作系统的安装脚本即可快速搭建起基础开发框架,后续再依据前述指导添加必要的科学计算组件。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值