码迷,mamicode.com
首页 > 其他好文 > 详细

PyTorch-GPU环境配置

时间:2020-03-30 09:15:28      阅读:117      评论:0      收藏:0      [点我收藏+]

标签:解决方法   dir   src   bin   资料   detail   编译   sdk版本   环境变量配置   

原博客

这篇博客就是为了记录下我自己配置PyTorch-GPU的过程。

因为我之前换过一次电脑,导致我这里还要再重新配置一下PyTorch。然而我之前配置的时候又没有做好记录,这次配置又要百度各种教程。??吸取之前的教训,我现在要记录下我自己的配置过程,省的之后再安装还要百度23333333

创建conda虚拟环境

我通过如下命令创建了虚拟环境:

conda create -n pygpu pip python=3.7

在这里我发现我老是无法创建成功,突然想起去年清华宣布关闭了清华的conda源,我感觉可能就是使用了清华源的原因吧。

这里我参考 conda源配置 这篇博客,使用如下命令配置中科大源,解决了问题。

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

配置CUDA环境

因为我这台电脑之前已经安装过CUDA了,这次就只检查一下是否配置成功了。而关于如何安装CUDA,可以参考 Win10系统安装CUDA10.0和cuDNN 这篇博客。

命令行测试

打开cmd命令行窗口,通过如下命令检查cuda是否安装:

通过如下命令检查cuda是否安装:

nvcc -V

输出了

nvcc: NVIDIA (R) Cuda compiler driver

Copyright (c) 2005-2019 NVIDIA Corporation

Built on Fri_Feb__8_19:08:26_Pacific_Standard_Time_2019

Cuda compilation tools, release 10.1, V10.1.105

这表明我已经安装好了cuda10.1的版本。

编译测试文件

打开C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1路径下的Samples_vs2017.sln

在“解决方案资源管理器”中找到1_Utilities,右键点击“生成”

技术图片

这时VS2017在编译过程中产生“找不到Windows SDK版本”的错误:

技术图片

解决方法:在解决方案中右键选择“重定解决方案目标”

技术图片

技术图片

点击确定即可通过编译。

验证deviceQuery.exe和bandwidthTest.exe

cmd窗口进入如下路径

cd C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1\bin\win64\Release

分别输入deviceQuerybandwidthTest并运行,Result = PASS则说明通过,反之,Result = Fail 则需要重新安装。

技术图片

技术图片

配置CUDA环境变量

  1. 确认系统环境变量中:CUDA_PATH和CUDA_PATH_V10.0已经存在
  2. 添加:
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
  1. 在cmd窗口查看环境变量配置情况,输入set cuda,输出如下:

技术图片

安装cuDNN

打开 cuDNN网页

注意在下载之前需要完成开发者注册(就是注册一个账号)

选择与CUDA匹配的cuDNN版本进行下载

技术图片

技术图片

下载之后是个压缩包文件,解压缩:

技术图片

CUDA\binCUDA\includeCUDA\lib中的内容拷贝到相应的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1文件路径下即可。

这里我参照 Win10系统安装CUDA10.0和cuDNN 这篇博客中加入了系统环境变量如下:

技术图片

安装pytorch

Pytorch官网 中找到安装的命令。

技术图片

我这里是直接使用pip安装的。

使用如下命令

pip install torch===1.4.0 torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.html

验证是否安装成功

为了确保PyTorch安装成功,我们需要运行简单的样例代码测试,例如打印出随机生成的张量矩阵,以及gpu是否可以使用。

首先在命令行输入python,进入python的解释器,输入以下语句

import torch
x = torch.rand(5,3)
print(x)

输出如下:

tensor([[0.9943, 0.2830, 0.5508],

? [0.0765, 0.6474, 0.0059],

? [0.7241, 0.1868, 0.5398],

? [0.3217, 0.4664, 0.4242],

? [0.3351, 0.2482, 0.7371]])

说明PyTorch安装成功。

接下来再输入

torch.cuda.is_available()

输出为True即证明支持GPU了。

参考资料

  1. Win10系统安装GPU版PyTorch
  2. Win10系统安装CUDA10.0和cuDNN
  3. conda源配置

PyTorch-GPU环境配置

标签:解决方法   dir   src   bin   资料   detail   编译   sdk版本   环境变量配置   

原文地址:https://www.cnblogs.com/diralpo/p/12596475.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!