win10下安装使用pytorch以及cuda9、cudnn7.0
来源:互联网 发布:最新课件制作软件 编辑:程序博客网 时间:2024/05/22 13:44
pytorch是一个优雅的深度学习库,相比TensorFlow更年轻也更充满潜力,在官方的介绍中pytorch只支持linux和mac,但其实windows也是可以安装以及正常使用的
平台:
win10(版本1709)
CPU:i5-7400
显卡:1060 6G
内容:8G
软件:
anaconda3
pycharm专业版
首先从官网下载相应的cuda和cudnn库,记住下载win10版本的,不要下错。一些额外的下载信息可以查看我之前的一篇文章(pytorch-0.2成功调用GPU:ubuntu16.04,Nvidia驱动安装以及最新cuda9.0与cudnnV7.0配置):http://blog.csdn.net/iamoldpan/article/details/78459208
windows下安装cuda和cudnn还是非常容易的,下载最新版即可(cuda9.0和与之相对应的cudnn版本)
安装好之后,开始创建虚拟环境,这里建议使用anaconda3,不论是方便性还是拓展性都比只使用pip强。在官网下载anaconda3然后进行安装,创建一个虚拟环境:http://blog.csdn.net/iamoldpan/article/details/77969477(注意在安装的时候需要勾上环境变量的选项,如果没有需要自行在环境变量中加入相应路径(…/anaconda3/Scripts))
创建好虚拟环境后,在pycharm中创建工程,将解释器选择为之前创建的环境(不用pycharm也可以,这里只是做例子,只要有python的简单IDE即可):
上图是已经安装完成后的解释器界面,可以看到pytorch和torchvision以及一系列依赖包都已经安装好。
选择解释器后,开始conda环境中只有刚开安装的几个程序包,这是需要安装pytorch需要的依赖包:
注意:一定要在虚拟环境中进行安装,如果在终端中创建了虚拟环境但是无法激活,可以通过conda install -n my-env package
指令虚拟环境来进行安装,同样pip安装直接使用虚拟环境中的pip命令进行安装:.../envs/my-envs/Scripts/pip install package
,总之要安装到虚拟环境中去。
conda install numpy pyyaml mkl setuptools cmake cffi
因为直接从官网源下载速度很慢,我们可以修改conda的安装源来进行加速:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes
然后进行依赖包的安装
安装完依赖包后,开始进行pytorch和torchvision的安装:
首先下载pytorch的pip安装包:https://pan.baidu.com/s/1nvaamrn#list/path=%2F
我安装的是,pytorch-0.2.1-py36he6bf560_0.2.1cu80.tar.bz2,即python3.6-cuda8版本的安装包下好后,进入到该文件的目录中,在终端中输入:
pip install pytorch-0.2.1-py36he6bf560_0.2.1cu80.tar.bz2
即可进行安装,安装速度一般很快,如果是固态硬盘,5~6s即可安装完毕。
torchvision的安装相对简单很多,是从conda和pip安装即可,只要注意安装到对应的虚拟环境中即可。
大功告成
全部安装完后,如果没有意外:
就可以在window中使用pytorch了
- win10下安装使用pytorch以及cuda9、cudnn7.0
- Ubuntu16.04下CUDA9.0+CUDNN7可用的tensorflow安装包,基于GCC 5.3.0
- Ubuntu16.04+Gtx1080ti+cuda9.0+cudnn7+Anaconda3+opencv3+pytorch+jupyter notebook配置
- torch在ubuntu16.04下的搭建(cuda9.0+cudnn7.0)
- pytorch-0.2成功调用GPU:ubuntu16.04,Nvidia驱动安装以及最新cuda9.0与cudnnV7.0配置
- 史上最全的ubuntu16.04安装nvidia驱动+cuda9.0+cuDnn7.0
- 史上最全的ubuntu16.04安装nvidia驱动+cuda9.0+cuDnn7.0
- Ubuntu16.04+Nvidia GTX 1080+CUDA9.0+cuDNN7+Tensorflow1.4+Anaconda安装
- Win10 Python3.6下安装PyTorch
- win10 Python3.6.0下安装pytorch
- Win10 Python3.6下安装PyTorch
- 【CUDA】CUDA9.0+VS2017+win10详细配置
- WIN10+GTX1050+CUDA9.0+VS2013+caffe
- CUDA环境搭建Win10+VS2013+CUDA9.0
- Ubuntu16.04 + Caffe + CUDA9.0 + cudnn7.0 的配置详细教程
- win10 下如何安装 使用vc6.0
- WIN10 VS2015 Cmake编译 opencv3.3 cuda9.0
- Ubuntu16.04LTS 安装CUDA9.0
- caffe python接口:mnist
- 织梦手机端文章页图片被拉长解决方式
- MySQL触发器
- 系统间通信方式之(Kafka的集群方案介绍结束3)(二十二)
- Fiori2.0学习笔记-controller
- win10下安装使用pytorch以及cuda9、cudnn7.0
- 插入排序
- EMAC
- iOS开发- clang -rewrite-objc的使用
- NestedScrollView嵌套RecycleView的问题
- springCloud入门(二)eureka分布式注册中心
- XMLHttpRequest对象详解
- Opencv学习笔记
- APP的CPU,内存,耗电,流量测试工具