「安装」 Windows下安装CUDA和Pytorch
文章目录
Mac、Linux、云端
Mac、Linux、云端安装Miniconda和Pytorch的方法参考其他资料。
Windows
下面进行Windows下安装CUDA和Pytorch来跑深度学习。
安装CUDA
CUDA介绍：https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html
注意只有NVIDIA GPU才能使用CUDA，AMD GPU或集成显卡均无法使用CUDA。
首先查看电脑是否拥有NVIDIA GPU：
win + r 打开「运行」窗口，输入dxdiag：
下载CUDA，进入官网 https://developer.nvidia.com/cuda-downloads：
打开安装包：
设置安装目录：
安装选默认选项：
核心就是装：
- 驱动
- cuda开发环境
安装完成后进入命令行，使用nvidia-smi命令查看是否安装成功：
安装miniconda
接下来下载Python环境miniconda(为什么要装miniconda参考其他资料)，进入官网 https://docs.anaconda.com/miniconda/miniconda-other-installer-links/#
默认选项安装即可：
在开始菜单打开 Anaconda Powershell Prompt：
输入python --version，查看是否是自己安装的python版本：
创建虚拟环境
安装完conda后默认是base环境，最好创建一个自己的虚拟环境，因为实际中都是在服务器中运行的，每个人都要使用自己的虚拟环境。使用conda创建虚拟环境的方法见：博客。
输入此条指令创建conda虚拟环境,可以自己更改名称和python版本：
conda create -n 自己输入名称 python=版本号
如下所示,示例创建名为test的环境
conda create -n test python=3.8
输入下行代码激活刚才创建的环境,主要名称要与之前创建时设置的名称相应:
conda activate 名称
例如我们输入conda activate test激活刚才创建的虚拟环境：
注意,这里运行后,左边括号里变成你虚拟变量的名称,即为进入此环境了,之后你输入的所有命令都是在此环境中执行的。
需要在虚拟环境中重新安装包如jupyter，d2l：
同样需要在虚拟环境中安装PyTorch(由于之前在base环境中装过PyTorch，再在虚拟环境中安装是很快的)：
conda的一些其他指令
退出虚拟环境
输入conda deactivate当左边的小括号变为base了，即为退出此虚拟环境了:
环境重命名
conda rename -n test test1，前一个test为旧名字,后一个test1为新名字,注意要在base环境中运行此代码,更名后按新名字启动环境。
查找所有创建过的环境
conda env list此代码可查找到你创建过的所有环境。带*的为当前所属环境。
查看当前环境下安装的包
conda list
或
conda list -n 名称
删除环境
删除虚拟环境:
conda remove -n 名称 --all
或
conda env remove --name 名称
安装PyTorch
接下来安装PyTorch的GPU版本，进入官网 https://pytorch.org/
选择好对应的版本，然后将对应pip命令复制到Anaconda Powershell Prompt中进行pytorch安装：
整个过程还是比较慢的，文件也比较大，下载速度很慢。
下面看下是否安装成功，在Anaconda Powershell Prompt中打开python，导入torch：
测试
安装好后找一个真正的深度学习的应用跑一下，在《动手学深度学习》官网 https://zh-v2.d2l.ai/ 下载Jupyter记事本：
下载好之后解压(解压的过程提示有重名文件，选择覆盖)：
接下来使用pip命令安装所用到的包 jupyter、d2l。打开Anaconda Powershell Prompt，使用pip命令进行安装：
pip install jupyter d2l
(d2l中包含要用到的包如numpy、pandas。安装d2l时就会将这些包一并安装，如果以后要用到其他包可以再单独安装)
最好使用源镜像进行安装，否则容易出现安装失败。
安装好上面两个包之后在Anaconda Powershell Prompt中启动jupyter notebook就可以运行jupyter实例了：
启动jupyter notebook后会直接跳出浏览器窗口：
在跳出的浏览器窗口中并没有找到前面下载的jupyter实例。问题出现在刚才是在 C:\Users\Mao 目录下启动jupyter notebook的，而下载的jupyter实例是在 E:\ 目录下，因此需要使用 cd 命令切换到 E:\ 目录下启动jupyter notebook。
注意：
启动jupyter notebook的目录需要与jupyter实例(d2l-zh)所在目录一致。
切换到jupyter实例目录下再启动jupyter notebook:
这样在跳出的浏览器窗口中就出现下载的jupyter实例(d2l-zh)了:
依次点击 d2l-zh、pytorch、chapter_convolutional-modern、resnet.ipynb，这就是要测试的实例：
点击Kernel - Run All 运行所有：
点击Restart：
然后拉到页面的最下面，就可以看到已经开始下载数据进行训练了：
在训练的过程中可以通过任务管理器或在Anaconda Powershell Prompt中输入nvidia-smi命令查看GPU使用率：
训练结果：
作为对比，看一下在云上的处理速度(去《动手学深度学习》中找到现代卷积神经网络 - 残差网络，便可找到数据)：
总结
在Windows上学习深度学习的步骤：
- 确认有NVIDIA GPU
- 安装CUDA
- 安装miniconda
- 安装GPU版PyTorch
- 安装d2l和Jupyter
- 下载d2l记事本运行测试
其他
还可以使用谷歌Colab(免费算力平台)进行深度学习，colab有免费的CPU和GPU可以使用。
使用colab方法：代码选择PyTorch版本
然后拉到页面最上面，点击colab[PyTorch]：
不过使用谷歌需要一点方法。