1. 知记首页
  2. 编程

Python深度学习环境超详细配置：Pytorch、CUDA、cuDNN，Anaconda与Pycharm搭配搭建及使用教程

• 编程 • 阅读 6

基本介绍

各软件简介

  • Pytorch：具有简洁易用的动态图机制、强大的自动微分功能以及丰富的扩展库，在学术界和工业界广受欢迎。
  • Anaconda：一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。能很方便地管理不同项目的Python环境。
  • Pycharm：一款专为Python开发设计的集成开发环境（IDE），具备代码编辑、调试、分析等功能，可提高开发效率。
  • 显卡GPU及其相关概念：GPU（图形处理器）具有强大的并行计算能力，在深度学习中可加速模型训练。英伟达（NVIDIA）的GPU在深度学习领域应用广泛。
  • CUDA和cuDNN：CUDA是英伟达推出的通用并行计算平台和编程模型，能让GPU进行通用计算。cuDNN是英伟达深度神经网络库，可加速深度学习的计算过程。

各部分相互间的联系和安装逻辑关系

Anaconda用于创建和管理Python虚拟环境，Pytorch在虚拟环境中安装。CUDA和cuDNN为Pytorch在GPU上运行提供支持。Pycharm则作为开发工具，可连接Anaconda创建的虚拟环境进行代码开发。

Python深度学习环境超详细配置：Pytorch、CUDA、cuDNN，Anaconda与Pycharm搭配搭建及使用教程

Anaconda安装

下载Anaconda

访问Anaconda官网，点击跳过注册直接点击下载完整版Anaconda（向下兼容，下载最新版即可）。

安装过程详解

双击下载好的Anaconda安装程序，一直点击“下一步”。注意安装路径要换成内存较大的盘，且不要有中文路径。

配置环境变量

安装完成后，需要配置环境变量。在系统的环境变量中，将Anaconda的安装路径及其子目录（如Scripts、Libraryin）添加到PATH变量中。

检验是否安装成功

打开命令提示符（CMD），输入conda --version，若显示conda的版本号，则安装成功。

配置conda环境

常用conda命令介绍

  • 创建虚拟环境：conda create -n your_env_name python=3.x（your_env_name为自定义的环境名，3.x为Python版本）
  • 激活虚拟环境：conda activate your_env_name
  • 退出虚拟环境：conda deactivate
  • 查看所有虚拟环境：conda env list
  • 删除虚拟环境：conda remove -n your_env_name --all

添加国内镜像源

为了加快下载速度，可以添加国内镜像源。在命令提示符中输入以下命令：

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 --set show_channel_urls yes

安装Pytorch

查看CUDA版本

在命令提示符中输入nvidia-smi，查看系统中已安装的CUDA驱动版本。

选择安装方式

可以选择官网安装或本地安装。

官网安装步骤

访问Pytorch官网，根据自己的CUDA版本、操作系统等信息选择合适的安装命令。例如，若CUDA版本为12.4，可使用以下命令：

conda install pytorch torchvision torchaudio cudatoolkit=12.4 -c pytorch

本地安装步骤

如果网络条件不好，可以选择本地安装。先从官网下载对应的Pytorch安装包，然后在命令提示符中使用conda install命令进行本地安装。

安装CUDA和cuDNN

下载更新NVIDIA驱动

访问NVIDIA驱动官网，根据自己的显卡型号和操作系统下载并安装最新的驱动程序。

下载安装CUDA

根据前面查看的CUDA版本，访问CUDA官网下载对应的CUDA安装包，然后按照安装向导进行安装。

下载并移动cudnn

访问cuDNN官网，下载与CUDA版本匹配的cuDNN库。将下载的文件解压后，将其中的文件复制到CUDA的安装目录下。

测试与验证

进入Python交互环境

激活之前创建的虚拟环境，在命令提示符中输入python，进入Python交互环境。

测试代码执行

在Python交互环境中输入以下代码：

import torch
print(torch.cuda.is_available())

若输出True，则说明Pytorch可以正常使用GPU进行计算。

Anaconda和Pycharm的基本使用

Anaconda的基本使用

  • Anaconda的一些基本指令：前面已经介绍了常用的conda命令，可根据需要进行使用。
  • 有关下载源的一些指令和说明：除了添加国内镜像源，还可以使用conda clean -p清理缓存，使用conda update --all更新所有包。
  • 如何自定义Anaconda新建的虚拟环境位置（移到C盘以外）：在命令提示符中输入以下命令： 
    conda config --set env_prompt '({name})'
conda config --append envs_dirs D:Anacondaenvs  # D:Anacondaenvs为自定义的虚拟环境存储路径

Pycharm的基本使用（搭配Anaconda）

  • 新建项目：打开Pycharm，选择File -> New Project，在Project Interpreter中选择之前创建的Anaconda虚拟环境的Python解释器，然后点击Create创建项目。

常见问题及解决方法

  • 安装速度慢：可添加国内镜像源，或使用本地安装方式。
  • CUDA版本不兼容：确保下载的Pytorch、CUDA和cuDNN版本相互兼容。
  • Pycharm无法识别虚拟环境：检查Pycharm中解释器的配置是否正确。

按照以上步骤，你就可以成功配置Python深度学习环境（Pytorch、CUDA、cuDNN），并学会使用Anaconda搭配Pycharm进行开发。祝你在深度学习的道路上取得好成绩！😊

原创文章，作者：，如若转载，请注明出处：https://zube.cn/archives/144

赞 (0)
0

相关推荐