准备工作:
GPU,CUDA,cuDNN的理解
- CUDA 并行计算框架,处理大型并行计算
- cuDNN 深层神经网络的GPU加速库
都是NVIDIA出的,且必须使用NVIDIA
Anaconda 清华开源镜像
把Anaconda加入环境变量,以直接在cmd中使用conda、jupyter、ipython
等命令
# 添加Anaconda的TUNA镜像 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ # TUNA的help中镜像地址加有引号,需要去掉 # 设置搜索时显示通道地址 conda config --set show_channel_urls yes
win+x,然后 m,在设备管理器查看电脑GPU是否是NVIDIA
方法一: win+r -> dxdiag -> 显示
方法二:查看NVIDIA控制面板
CUDA下载地址
cuDNN下载地址需要注册登录并填写问卷
将路径cudnn-8.0-windows10-x64-v7.1-ga\cuda
下的文件全部复制到路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
下
conda install pytorch torchvision torchaudio cpuonly -c pytorch
conda install pytorch==1.0.0 torchvision==0.2.1 cuda80 -c pytorch
# cmd 文件路径 > pip install xxx.whl
N卡支持的CUDA版本如果不在上图(无N卡)CUDA的列表上建议使用无N卡方式下载,没有GPU加速,不影响框架学习
如果出现环境解析错误,查看上图对应的版本问题
conda create -n [environment-name] python=3.6 conda activate [environment-name] conda install pytorch==1.0.0 torchvision==0.2.1 cuda80 -c pytorch
相关参考: