【RTX 3060Ti 深度学习环境配置图文(安装Anaconda、VScode、CUDA、CUDNN、pytorch)】

RTX 3060Ti 深度学习环境配置图文(安装Anaconda、VScode、CUDA、CUDNN、pytorch)

配置

作者配置为台式3060ti,环境为cuda11.4,cudnn8.2,pytorch1.9,python3.9

安装驱动

安装最新的显卡驱动,NVIDIA显卡驱动网站https://www.nvidia.cn/geforce/drivers/ 查找自己的显卡型号,下载安装

输入显卡型号,区分台式与笔记本

输入显卡型号,区分台式与笔记本

一、安装Anaconda

1.1 Anaconda简介

Anaconda则是一个打包的集合,里面预装好了conda、某个版本的python、众多packages、科学计算工具等等,所以也称为Python的一种发行版。因为包含了大量的包,Anaconda 的下载文件也比较大(约 786 MB),如果只需某些包,或需要节省带宽或存储空间,可选择Miniconda,顾名思义,它只包含最基本的内容——python与conda,以及相关的必须依赖项,对于空间要求严格的用户,Miniconda是一种选择。 conda可以理解为一个工具,也是一个可执行命令,其核心功能是包管理与环境管理。包管理与pip的使用类似,环境管理则允许用户方便地安装不同版本的python并可以快速切换。

1.2 下载Anaconda

Anaconda官网下载地址:https://www.anaconda.com/download/ 点击Download开始下载,下载速度较慢,耐心等待

点击Download下载

点击Next

1.3安装Anaconda

点击Next

点击I agree

点击I agree

选择Just Me 点击Next

选择Just Me 点击Next

更改安装地址,这里安装到了D盘

更改安装地址,这里安装到了D盘

这里建议全部勾选上,第二项为添加环境变量,第四项为安装完成后在不影响使用的情况下清理包

这里建议全部勾选上,第二项为添加环境变量,第四项为安装完成后在不影响使用的情况下清理包

等待安装完成

等待安装完成

这表示安装完成,点击Next

这表示安装完成,点击Next.

点击Next

点击Next

点击Finish 完成安装

点击Finish 完成安装

1.4 配置环境变量

1.4.1 添加环境变量

下面以win10为例 电脑右下角开始菜单栏选择设置,点击后,找到关于

设置

点击关于,在右上角选择高级系统设置

关于

点击高级系统设置

win10

选择环境变量

高级系统设置

选择path,点击编辑,新建

选择path

打开刚刚的安装位置,将这三个路径添加到path环境变量中

环境变量

1.4.2 测试

测试Anaconda是否安装成功 打开Anaconda,输入conda --version

测试

二、安装VScode

2.1 VScode简介

VisualStudioCode(简称VSCode)是Microsoft开发的代码编辑器,它支持Windows,Linux和macOS等操作系统以及开源代码。 VScode集成了所有一款现代编辑器所应该具备的特性,包括语法高亮、可定制的热键绑定、括号匹配、以及代码片段收集等。 它支持测试,并具有内置的Git版本控制功能以及开发环境功能,例如代码完成(类似于IntelliSense),代码段和代码重构等。 编辑器支持用户定制的配置,例如仍在编辑器中时,可以更改各种属性和参数,例如主题颜色,键盘快捷键等,内置的扩展程序管理功能。

2.2 VScode下载

VScode官方网站https://code.visualstudio.com/

2.3 VScode安装

下载完成后,打开VScode 左侧扩展栏搜索Chinese,点击install,安装完成后重启,即为中文页面显示

Chinese

继续搜索Python, ,点击install进行安装

python

这里建议首先安装VScode再接着安装CUDA和CUDNN

三、安装CUDA和CUDNN

3.1 CUDA简介

CUDA 是 NVIDIA 发明的一种并行计算平台和编程模型。它通过利用图形处理器 (GPU) 的处理能力,可大幅提升计算性能。 目前为止基于 CUDA 的 GPU 销量已达数以百万计,软件开发商、科学家以及研究人员正在各个领域中运用 CUDA,其中包括图像与视频处理、计算生物学和化学、流体力学模拟、CT 图像再现、地震分析以及光线追踪等等

3.2 CUDA的下载

CUDA官方下载链接,在其中找到适合自己的版本 https://developer.nvidia.com/cuda-toolkit-archive,这里作者为11.4.0版本 下载完成后进行安装

在这里插入图片描述

3.3 CUDA的安装

此路径为临时文件夹,安装完成后此文件夹就会删除 默认即可,此处在D盘创建了临时文件夹进行操作,点击OK

临时文件夹

等待安装完成

安装

开始正式安装,点击同意并继续

开始正式安装

这里选择自定义

这里选择自定义

这里直接全部勾选即可

自定义安装

开始选择安装路径,这里默认是C盘,此处作者修改为D盘,将三个文件均安装在NVIDIA CUDA文件夹中,点击下一步

安装路径

点击下一步

点击下一步

这里进行勾选,点击下一步

这里勾选

此处为安装过程,等待几分钟即可

安装过程

安装完成,这里显示的是安装的信息,直接点击下一步

安装完成

点击关闭

完成

到了这里,CUDA就全部安装成功,不放心的话可以进行测试 打开命令提示符,输入cmd

cmd

输入nvcc -V,输出如下即为安装成功

在这里插入图片描述

不放心的话可以进入环境变量中查看是否有CUDA,有的话也是代表安装成功

在这里插入图片描述

接下来是CUDNN的安装

3.4 CUDNN的安装

CUDNN官方下载地址:https://developer.nvidia.cn/zh-cn/cudnn 在下载前需要进行账号邮箱的注册,注册完成后即可进行下载,这里点击Archived CUDNN releases,这里作者为8.2版本

在这里插入图片描述

选择第四个windows版本进行下载

在这里插入图片描述

点击进入后,查找符合自己要求的版本进行下载,下载完成后进行解压

解压的文件

将解压好的文件复制到刚刚安装CUDA的文件夹中

CUDA安装路径

到此,CUDA和CUDNN就顺利安装完成了。

四、Pytorch的安装

4.1 创建虚拟环境

打开Anaconda,进行虚拟环境的创建

在这里插入图片描述

输入conda create -n pytorch python=3.9 此处的pytorch为环境变量名,也可以为其他英文字母组合,例如pytch

创建虚拟环境

按回车执行命令

安装包目录

这里是安装包的安装目录,输入y,点击回车

下载

等待下载,下载完成后,即可激活刚刚创建的虚拟环境

4.2 激活虚拟环境

激活虚拟环境

输入conda install cudatoolkit进行下载

下载cudatoolkit

输入y,点击回车进行下载,耐心等待下载完成即可

下载

等待下载完成

4.3 安装pytorch

输入:pip install torch1.9.0+cu111 torchvision0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html 点击回车,等待下载,网络不好的话可能会报错,可选择多执行几次命令可以安装成功

下载包

下载完成后,即可关闭窗口,进行测试

4.4 测试

打开anaconda激活刚刚创建的环境,作者创建的环境名为pytorch 进入环境后,输入python,点击回车 再输入import torch,点击回车 输入torch.version (注意前面为两个连续的下划线) 没有报错即为安装成功 接下来输入torch.cuda.is_available() 输出一定要为True,输出为True的话就代表顺利安装完成了。

测试

退出环境,输入exit()

退出

以上就是整个虚拟环境的配置流程。