站长资源服务器
Windows下PyTorch开发环境安装教程
Anaconda安装
"external nofollow" href="https://www.anaconda.com/distribution/#download-section">https://www.anaconda.com/distribution/#download-section
PyCharm安装
"external nofollow" href="https://www.jetbrains.com/pycharm/">https://www.jetbrains.com/pycharm/,安装包分为专业版(收费)和社区版(免费)。
CUDA与CuDNN安装(非必须)
- 检查是否有合适GPU,若有,需安装CUDA与CuDNN。只有N卡支持cuda,如下操作可以查看支持的cuda版本:
- NVIDIA控制面板→系统信息→组件→3D设置/NVCUDA.DLL
- 进入PyTorch官网https://pytorch.org/,点击GetStarted,查看所支持的CUDA版本是多少。
- 进入CUDA官网https://developer.nvidia.com/cuda-toolkit-archive,选择相应版本的CUDA,选择相应的操作系统,Installer Type 选择 local。点击下载第一个文件。运行安装包,安装完成不必创建快捷方式。
- 验证CUDA是否安装成功:进入安装路径的bin文件夹,复制路径,命令行切换到该路径下(如cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin),然后执行nvcc -V,回车,如果出现相关版本信息,说明正确安装。
- 进入cuDNN官网https://developer.nvidia.com/rdp/cudnn-download,注册并登录账号,选择相应版本下载。解压安装包,将里面的三个文件夹复制到CUDA安装路径下(如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1),cuDNN就安装完成了。
- 验证cuDNN是否安装成功:命令行切换到安装路径的extras\demo_suite文件夹下,执行bandwidthTest.exe,回车,Result = PASS说明安装成功。继续执行deviceQuery.exe,回车,显示GPU型号,Result = PASS,表示CUDA和cuDNN都安装成功了。
将pip源更换到国内镜像
"htmlcode">
import torch print("hello pytorch{}".format(torch.__version__)) print(torch.cuda.is_available())
3. 创建python虚拟环境
点击下方Terminal→输入conda create -n 虚拟环境名 python=版本号(如conda create -n pytorch_gpu python=3.7)→回车→等待完成
进入虚拟环境:输入conda activate 虚拟环境名→回车
4. 安装
进入whl文件所在目录:输入cd whl文件所在目录→回车
安装:输入pip install torch→按tab键自动补全→回车→等待成功安装
输入pip install torchvision→按tab键自动补全→回车→等待成功安装
注意: 如果第一步没有下载whl文件,那么直接用pip或conda命令安装,安装命令在PyTorch官网选择相应版本后会显示。
5. 将当前项目关联到新创建的虚拟环境,即选择python解释器
File→Setting→Project:项目名/Project Interpreter→设置按钮→Add→Conda Environment→Existing environment→interpreter中选择 anaconda安装路径/envs/虚拟环境名/python.exe→OK→OK→OK→稍等片刻进行初始化
6. 验证
右键运行,成功输出PyTorch版本。如果输出True,证明GPU可用。
总结