Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境网站首页 技术教程

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

Otto_1027 2024-08-27 12:01:03

简介Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

之前搞了一个月左右时间用WSL2跑模型，后来发现还是不太习惯（~~其实用不明白~~），就转成Windows了。这次也是记录一下自己配环境的过程，~~以免下次还需要~~

安装Anaconda

下载方式

tip：安装的时候注意尽量不要安装到C盘，选择Install for All Users，其他的一路next就行

之后配置一下环境变量，配置好如图所示，具体细节可以参考这篇博客

在这里插入图片描述

验证是否成功

配置好在cmd中输入下列代码验证是否安装成功

conda -V

在这里插入图片描述

添加镜像源

添加清华的镜像源，在Anaconda Prompt中输入下列代码

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
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 --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/
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/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/

然后检查是否添加成功

conda config --show channels

在这里插入图片描述

安装英伟达的驱动

去英伟达官网下载自己对应的显卡驱动即可，安装完成如图所示（应该中间需要注册一个NVDIA账号）

在这里插入图片描述

安装CUDA与cuDNN

在此之前需要确定一下自己需要装什么版本的Pytorch和Tenserflow，这个版本是必须匹配的（之前装CUDA装的太新了导致环境就是出问题，非常麻烦，~~活生生治好了我的低血压~~）所以推荐CUDA版本不要太新的，~~因为之后可能就是调包~~

查看能装CUDA版本上限

cmd中输入

nvidia-smi

在这里插入图片描述

说明我的CUDA版本不能超过12.2

确定要安装的版本

Tenserflow与CUDA的对应关系，参考数据来自**Tenserflow官网**

版本	Python 版本	编译器	构建工具	cuDNN	CUDA
tensorflow_gpu-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.5.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.4.0	3.6-3.8	MSVC 2019	Bazel 3.1.0	8.0	11.0
tensorflow_gpu-2.3.0	3.5-3.8	MSVC 2019	Bazel 3.1.0	7.6	10.1
tensorflow_gpu-2.2.0	3.5-3.8	MSVC 2019	Bazel 2.0.0	7.6	10.1
tensorflow_gpu-2.1.0	3.5-3.7	MSVC 2019	Bazel 0.27.1-0.29.1	7.6	10.1
tensorflow_gpu-2.0.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.15.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.14.0	3.5-3.7	MSVC 2017	Bazel 0.24.1-0.25.2	7.4	10
tensorflow_gpu-1.13.0	3.5-3.7	MSVC 2015 update 3	Bazel 0.19.0-0.21.0	7.4	10
tensorflow_gpu-1.12.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7.2	9.0
tensorflow_gpu-1.11.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7	9
tensorflow_gpu-1.10.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.9.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.8.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.7.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.6.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.5.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.4.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.3.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.2.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.1.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.0.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8

Pytorch与cuda的关系可以参考如下表格，具体细节可以参考这篇博客，这里搬运了一部分

cuda	CUDAToolkit	pytorch
11.3	11.3	1.10.1、1.10.0、1.9.1、1.9.0、1.8.1
11.1	11.1	1.10.0、1.9.1、1.9.0、1.8.1、1.8.0
11.0	11.0	1.7.1、1.7.0
10.2	10.2	1.10.1、1.10.0、1.9.1、1.9.0、1.8.1、1.8.0、1.7.1、1.7.0、1.6.0、1.5.1、1.5.0
10.1	10.1	1.7.1、1.7.0、1.6.0、1.5.1、1.5.0、1.4.0
10.0	10.0	1.2.0、1.1.0、1.0.1、1.0.0
9.2	9.2	1.7.1、1.7.0、1.6.0、1.5.1、1.5.0、1.4.0、1.2.0
9.0	9.0	1.1.0、1.0.1、1.0.0
8.0	8.0	1.0.0

综上，我选择了如下配置

CUDA : 11.0
CUDAToolkit : 8.0.2
tensorflow : 2.4.0
pytorch : 1.7.0

下载

接下来就是安装了，首先进入CUDA官网，选择自己要下载的版本，点进去后选择如下（如果是较新的CUDA版本可以按需选择Win11版本的）

在这里插入图片描述

再进入cuDNN官网，选择自己对应的版本(这里可能需要注册一个账号)，点进入后同样选择如下

在这里插入图片描述

下载后会有两个文件

在这里插入图片描述

安装

首先安装第一个文件，刚开始弹出的路径不用管直接OK即可，后面会自动删除的，之后选择精简即可，然后一路next

在这里插入图片描述

然后解压第二个文件压缩包，得到如下文件

在这里插入图片描述

将bin，include文件夹中的文件，分别下列地址对应的文件夹下（以我的地址为例），遇到提示，为全部选择覆盖和替换。

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0

需要注意的是，lib文件夹里的所有文件，需要复制到

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0libx64

在这里插入图片描述

这块的具体细节可以参考一下这篇博客

配置环境变量

进入环境变量设置在系统变量中加入以下几个环境，一定要按照自己的路径！！！

CUDA_PATH：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0

CUDA_PATH_V11_3：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0

CUDA_BIN_PATH：%CUDA_PATH%bin

CUDA_LIB_PATH：%CUDA_PATH%libx64

CUDA_SDK_PATH：C:ProgramDataNVIDIA CorporationCUDA Samplesv11.0

CUDA_SDK_BIN_PATH：%CUDA_SDK_PATH%binwin64

CUDA_SDK_LIB_PATH：%CUDA_SDK_PATH%commonlibx64

配置好如下：

在这里插入图片描述

C:Program FilesNVIDIA CorporationNsight Compute 2020.1.0

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0in

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0libnvvp

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0libx64

C:ProgramDataNVIDIA CorporationCUDA Samplesv11.0inwin64

C:ProgramDataNVIDIA CorporationCUDA Samplesv11.0commonlibx64

C:Program FilesNVIDIA CorporationNVIDIA NvDLISR

C:Program Files (x86)NVIDIA CorporationPhysXCommon

C:Program FilesNVIDIA CorporationNsight Compute 2020.1.0

配置好如下：

在这里插入图片描述

验证是否成功

之后重启电脑，输入以下代码

nvcc -V

在这里插入图片描述

安装Pytorch

Pytorch版本最好也不要安装很细新的，新的版本要求会变多，Run一下别人的代码经常会发现一片红通通的报错

新建Pytorch环境

首先用管理员的权限打开Anaconda Prompt，新建一个环境，这里采用的是Python3.8版本

conda create -n Pytorch python=3.8

激活环境

conda activate Pytorch

下载Pytorch

首先进入Pytorch官网，找到适合自己的版本进行下载，我选择的如下

在这里插入图片描述

将这个代码复制到Anaconda Prompt中即可安装（紧接着上述代码，确保自己在刚刚新建的环境中运行）

主要这里一定要去掉代码中的**-c pytorch**，安装的时候才会默认从镜像源下载相应的包。处理完我要运行的代码如下

conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=11.0

如果下载过慢或者下载不了，可以找到如下文件。（用户是你自己的用户名）

C:Users用户.condarc

用编辑器打开，把最后一行defaults注销了

在这里插入图片描述

看到done即表示安装成功

在这里插入图片描述

验证是否成功

Anaconda Prompt输入

python
import torch
torch.cuda.is_available()
torch.cuda.get_device_name(0)

若输出为True并显示显卡名称，则代表安装成功。

在这里插入图片描述

安装Tenserflow

Tenserflow是我报错最多的库，版本不合适真的很头疼。所以建议也不要装很新的。

创建Tenserflow环境

这里我依旧采用的3.8版本

conda create -n Tenserflow python=3.8

激活环境

conda activate Tenserflow

下载Tenserflow

版本是上文定下的，这次直接采用pip安装了，

pip install tensorflow-gpu==2.4.0

验证是否成功

python
import tensorflow as tf
tf.config.list_physical_devices('GPU')

在这里插入图片描述

找到显卡即表示成功，说明可以调用GPU

总结

希望这次配完环境不会再换版本了，真的痛，希望二周目顺利

感谢你可以看到这里，文中如有不足，尽请见谅！

风语者！平时喜欢研究各种技术，目前在从事后端开发工作，热爱生活、热爱工作。

上一篇
php7新特性详细介绍（二）

下一篇
4、hive的使用示例详解-事务表、视图、物...

站长推荐

stm32使用HAL库配置串口中断收发数据（保姆级教程）
stm32使用HAL库配置串口中断收发数据（保姆级教程）
SpringSecurity实现前后端分离认证授权
SpringSecurity实现前后端分离认证授权
U8W/U8W-Mini使用与常见问题解决
U8W/U8W-Mini使用与常见问题解决
【社区图书馆】伴我前行的一本书《The C Programming Language》
【社区图书馆】伴我前行的一本书《The C Programming Language》
【云原生进阶之容器】第六章容器网络6.6.1--Cilium网络方案概述
【云原生进阶之容器】第六章容器网络6.6.1--Cilium网络方案概述

您现在的位置是：首页 >技术教程 >Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境网站首页技术教程

Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

安装Anaconda

下载方式

验证是否成功

添加镜像源

安装英伟达的驱动

安装CUDA与cuDNN

查看能装CUDA版本上限

确定要安装的版本

下载

安装

配置环境变量

验证是否成功

安装Pytorch

新建Pytorch环境

下载Pytorch

验证是否成功

安装Tenserflow

创建Tenserflow环境

下载Tenserflow

验证是否成功

总结

上一篇 php7新特性详细介绍（二）

下一篇 4、hive的使用示例详解-事务表、视图、物...

站长推荐

上一篇
php7新特性详细介绍（二）

下一篇
4、hive的使用示例详解-事务表、视图、物...