PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm

TytorchPython机器学习库，基于Torch，用于自然语言处理等应用程序Anaconda：是默认的python包和环境管理工具，安装了anaconda，就默认安装了condaCUDACUDA是一种由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能解决复杂的计算问题，可用来计算深度学习cuDNN：是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。

毒爪的小新

10132人浏览 · 2023-08-08 10:59:10

毒爪的小新 · 2023-08-08 10:59:10 发布

1. 关系讲解

Tytorch：Python机器学习库，基于Torch，用于自然语言处理等应用程序
Anaconda：是默认的python包和环境管理工具，安装了anaconda，就默认安装了conda
CUDA：CUDA是一种由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能解决复杂的计算问题，可用来计算深度学习
cuDNN：是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。

2. 安装Anaconda

Anaconda用于构建虚拟环境

这里直接用清华源镜像进行下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

记得修改安装位置，基本上一路next即可，建议勾选自动添加环境变量

输出环境查看，表示安装成功

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zO9tyVG1-1691462352016)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803100552062.png)]$
如果显示显示上述命令不为内部命令，则需要在系统环境变量Path中添加下面语句

Anaconda安装路径
Anaconda安装路径\Scripts
Anaconda安装路径\Library\bin

在这里插入图片描述

确定之后再查看conda --version是否生效，如不生效，可重启电脑后查看

安装完毕后，打开cmd，依照自己电脑修改conda的默认环境位置，否则创建的虚拟环境都会默认在C盘

conda config --add envs_dirs E:\Anaconda3\envs

同时设置清华源镜像，解决下载速度慢的问题

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

3. 安装CUDA

3.1 正常安装

先查看本机NVIDIA支持的CUDA版本，查看左下角的系统信息-组件

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nxRnMmhX-1691462352017)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803101158505.png)]$

所以我们下载的版本应该低于12.0.89

下载CUDA，直接前往官网下载：https://developer.nvidia.com/cuda-toolkit-archive

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hV9NCwdG-1691462352017)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803102744841.png)]$

根据自己的电脑版本，选择CUDA版本

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hs8SuLoN-1691462352017)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803102713502.png)]$

双击exe文件进行安装，推荐使用默认地址安装，同意并安装

自定义安装，并且全选所有的组件，但是取消选择visual studio

记住安装路径，方便后续配置环境变量

等待下载，安装完毕即可

查看环境变量，有两个变量是自动添加的

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-b4twhJVt-1691462352018)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803105158490.png)]$

在环境变量Path中，需要我们额外添加三个目录，版本根据自己的版本进行更改（例如我的是v11.8）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\CUPTI\lib64

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fw0vPG8G-1691462352018)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803110847581.png)]$

打开cmd，输入

set PATH=c:

然后输入

echo %PATH%

关闭cmd，之后再次开启命令提示符，输入

echo %PATH%

使新添加的环境变量生效

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Ka2k8zen-1691462352019)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803111434585.png)]$

查看版本nvcc -V

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4IIfMOE3-1691462352020)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803111502835.png)]$

查看设置的环境变量set cuda

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-93x7opAy-1691462352020)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803111604833.png)]$

3.2 碰到的问题

可能输入环境变量会显示错误

先切换到CUDA对应的文件夹下面：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite，在这个文件夹下打开终端

输入两个命令：

.\bandwidthTest.exe

.\deviceQuery.exe

若最后都显示pass，说明安装无误，是环境变量配置出错，再次按照上述环境变量配置的方法进行配置即可
若最后显示的不是pass，说明安装错误，需要把原来的卸载并且重新安装

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QjbUlxaC-1691462352021)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803110119138.png)]$

4. 安装cuDNN

下载cuDNN，下载之前需要注册账号，有点小麻烦,直接前往官网下载：https://developer.nvidia.com/rdp/cudnn-download

$根据版本下载对应的[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sQ50hW12-1691462352021)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803114202407.png)]$

下载Win版本，下载完毕后是一个压缩包

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZnWsM7fl-1691462352022)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803114420917.png)]$

分别将cuDNN三个文件夹的内容分别复制到CUDA对应的文件夹里面。如下所示：

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NUiZ7F3a-1691462352023)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803115421676.png)]$

在环境变量Path中添加几个目录，可能有部分目录已添加，自己看清楚添加即可

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9BtV27vC-1691462352023)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803115954289.png)]$

再次切换到CUDA的安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HbKcXmgV-1691462352024)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803120532693.png)]$

运行两个测试文件.\bandwidthTest.exe和.\deviceQuery.exe，显示Pass即可

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VxI8s9Bt-1691462352024)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803120318276.png)]$

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-I15xVecW-1691462352025)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803120344257.png)]$

5. PyTorch库安装配置

5.1 创建虚拟环境

再打开Anaconda Prompt

# 清屏
cls

在base下面的环境操作，这里我们创建虚拟环境DL

# 列出所有的环境 
conda env list 

# 创建名为“DL”的虚拟环境，并指定 Python 的版本 
conda create -n DL python=3.9

# 删除名为“DL”的虚拟环境 
conda remove -n DL --all

进入虚拟环境DL

conda activate DL

在创建的虚拟环境DL内可以执行的操作

# 列出当前环境下的所有库
conda list

# 安装 NumPy 库，并指定版本 1.25.0
pip install numpy==1.25.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装 Pandas 库，并指定版本 2.0.0
pip install Pandas==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装 Matplotlib 库，并指定版本 3.5.1
pip install Matplotlib==3.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 卸载库
conda remove numpy

# 查看当前环境下某个库的版本（以 numpy 为例）
pip show numpy

# 退出虚拟环境，回到bash环境
conda deactivate

5.2 安装PyTorch

以下我们的操作均在虚拟环境DL下进行

PyTorch 一分为三：torch、torchvision 与 torchaudio。这三个库中，torch 有 2G 左右，而 torchvision 和torchaudio只有 2M 左右，因此一般在代码里只会 import torch。当 torch 的版本给定后，另外两个附件的版本也唯一确定了。

安装 torch 前，先给出一张安装表，其中 cu113 即 cuda 11.3，cp39 即解释器的版本是 Python3.9

到目前位置，我们安装的软件版本如下，则我们下载 torch 2.0.0的版本：

Anaconda：4.5.4
CUDA：11.8
cdDNN：8.9
python：3.9

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6RLPqzkE-1691463175687)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803165339889.png)]$

前往官网https://pytorch.org/get-started/previous-versions/查看torch 2.0.0对应的库版本

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-R2Go56vw-1691463175688)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803171709054.png)]$

如果你可以科学上网或者网速较好，可直接在conda中运行下载命令

# 进入虚拟环境
conda activate DL
# CUDA 11.8
pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118

即对应的版本为

torch==2.0.0+cu118
torchvision==0.15.1+cu118
torchaudio==2.0.1

但如果网速不行，安装速度较慢，推荐利用单个下载再逐一安装的方式进行安装配置，进入对应的网站：https://download.pytorch.org/whl/cu118

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4Ua5iIby-1691463175688)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803170552930.png)]$

分别进入找到对应的版本

这里特别注意，torchaudio下载的版本为torchaudio==2.0.1+cu118，但是这个在官方下载中未指定cuda的版本，我们需要手动添加

进入虚拟环境DL，执行命令安装上述三个whl文件

pip install D:\Anaconda3_5.2\WHL\torch-2.0.0+cu118-cp39-cp39-win_amd64.whl
pip install D:\Anaconda3_5.2\WHL\torchaudio-2.0.1+cu118-cp39-cp39-win_amd64.whl
pip install D:\Anaconda3_5.2\WHL\torchvision-0.15.1+cu118-cp39-cp39-win_amd64.whl

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fj4ouHbA-1691463175689)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803172700537.png)]$

安装完毕后进入python解释器进行验证

输入 import torch 导入 torch 库，再输入torch.cuda.is_available()，输出True即为安装成功

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PWNIzmbP-1691463175689)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803173146178.png)]$

6. 关联PyCharm

6.1 旧版本PyCharm

新建项目，选择已经存在的解释器

选择我们已经创建的Anaconda虚拟环境DL

选择完毕后，直接创建

6.2 新版本PyCharm

新版本的PyCharm中变成了选择conda的可执行程序，再选择Python的环境
在这里插入图片描述

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

豆包复制粘贴如何不乱码

2048 AI社区

字节、OpenAI、Meta都在赌一件事

过去十年互联网公司一直想摆脱笨重的硬件，追求轻资产的软件模式，而现在，他们正不计成本地集体“返祖”。有没有发现，大厂都在布局自己的AI硬件产品。在达沃斯现场，OpenAI 的全球事务官克里斯·莱恩透露了一个最新消息，OpenAI 正在按计划推进，准备在 2026 年下半年推出首款 AI 硬件设备。这个消息让原本就焦躁不安的科技圈彻底炸了锅。这意味着，全球最顶尖的算法引擎开始进入硬件赛道，在中国，近

2048 AI社区

AI手机的终局，“读屏”还是“对话”？

之后不久，市场上出现了比调用无障碍权限更“领先”的路线，也就是AI助手拿到了手机厂商给自己的系统签名权限，从而通过进程注入，更丝滑、无感地模拟操作。由于数据流动是通过明确的接口进行的，是有据可查的，即便出了问题也可以追溯。而在于，它能否成为一个更聪明的“副驾驶”，在我们做决策时，提供更精准的信息、更周全的建议，最终把选择权交还给我们自己。目前行业内相对公认的路径是，GUI探路尚可，因为它会把智能体