首页IT科技conda虚拟环境cuda不能用(在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境(新手必看!简单可行!))

conda虚拟环境cuda不能用(在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境(新手必看!简单可行!))

时间2025-09-06 22:43:32分类IT科技浏览17531
导读:本人最近接触深度学习,想在服务器上配置深度学习的环境,看了很多资料后总结出来了对于新手比较友好的配置流程,创建了一个关于深度学习环境配置的专栏,包括从anaconda到cuda到pytorch的一系列操作,专栏中的另外两篇文章如下,如果有不对的地方欢迎大家批评指正!...

本人最近接触深度学习                       ,想在服务器上配置深度学习的环境                                ,看了很多资料后总结出来了对于新手比较友好的配置流程          ,创建了一个关于深度学习环境配置的专栏                 ,包括从anaconda到cuda到pytorch的一系列操作                                 ,专栏中的另外两篇文章如下               ,如果有不对的地方欢迎大家批评指正!

Anaconda保姆级安装配置教程(新手必看)

如果你还不是很清楚CUDA           ,CUDATookit                                  ,cuDNN                    ,Pytorch分别在深度学习环境中的定位与关系

     ,推荐看一下我这篇文章

用人话讲解深度学习中CUDA                                  ,cudatookit                         ,cudnn和pytorch的关系

另外,如果你还不是特别理解虚拟环境的作用                             ,建议看一下这位大佬的视频安装不算完事                               ,只有理解了虚拟环境才算真正掌握 Python 环境_哔哩哔哩_bilibili

首先     ,我们要明确                       ,我们是要在虚拟环境中安装cuda和cuDNN!!!只需要在虚拟环境中安装就可以了                       。

下面的操作默认你安装好了python

一                       、conda创建并激活虚拟环境

前提:确定你安装好了anaconda并配置好了环境变量                                ,如果没有          ,网上有很多详细的配置教程                 ,请自行学习

在cmd命令提示符中输入conda命令查看anaconda

如果显示和上图相同                                 ,那么可以继续向下看

1.进入anaconda的base环境

方法1——在cmd命令提示符中输入如下命令

activate

方法2——直接在搜索栏里搜索anaconda prompt并打开即可

方法3——如果你是在linux操作系统下               ,在你的/anaconda/bin/下打开终端           ,即可直接进入anaconda的环境

以上三种方法出现(base)就意味着你已经进入了anaconda的基础环境

2.conda创建                                、进入和退出虚拟环境

这三个操作可以各用一行命令来完成

#创建一个虚拟环境 conda create -n [your_env_name(你的虚拟环境的名字)] python==[X.X](2.5          、3.8等) #eg:conda create -n nnunet_env python=3.8 #进入虚拟环境 conda activate [你的虚拟环境名] #退出虚拟环境 conda deactivate

创建好的虚拟环境文件夹可以在anaconda文件夹中的envs文件夹里找到

后续的环境配置操作均要在激活虚拟环境的情况下完成!!!!!

二                 、查看CUDA版本

系统的CUDA版本                                  ,决定了系统最高可以支持什么版本的cudatoolkit                    ,它是向下兼容

我们可以通过nvidia-smi命令查看cuda版本号

                               。

比如我的CUDA Version=11.7     ,那么它就可以支持 ≤ 11.7版本的CUDATookit

现在你已经知道了自己系统的cuda版本                                  ,接下来我会以自己利用清华镜像源来配置cuda+cudnn+pytorch深度学习环境的一个例子来简单直白的说明怎样去做

再提醒一遍                         ,下面的操作也要在你激活自己的虚拟环境的情况下进行!

三                                 、安装CUDATookit

我们需要用到下面这条命令

conda install cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/

我选择下载11.3版本,这个需要看你们自己的需求来改变                             ,只要你系统的CUDA支持就可以

四               、安装cuDNN

如果你成功安装了你想要的那个版本的cudatookit                               ,注意     ,现在你安装cudnn的版本必须依赖于cudatookit的版本

cuda与cudnn的对应关系可以在cuDNN历史版本下载页面看到:

cuda下载页面 cudnn下载页面

这里我简单列出来了较新的一些版本之间的对应关系

根据上图可知                       ,我安装了CUDA 11.3版本                                ,那么可选的cuDNN版本有很多          ,这里我直接无脑安装了最新版本                 ,也就是cuDNN的8.4.0版本                                 ,同样是用清华镜像源来安装

conda install cudnn=8.4.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/

五           、安装Pytorch

根据之前我们讲过的               ,pytorch的版本也是和CUDA版本有对应关系的           ,比如torch1.6.0只适配cuda10.2                                  、10.1                    、9.2                                  ,不适配cuda11.0          。

我们接下来的操作需要进入到Pytorch的官网Previous PyTorch Versions | PyTorch                    ,在里面查看你想要的Pytorch版本它适配的CUDA版本并获取安装命令

比如我现在想要安装Pytorch的1.11.0版本     ,同时我之前已经安装了CUDA的11.3版本

如上图                                  ,这一条命令可以满足我的pytorch和cuda之间的对应关系                         ,因此,我们复制它并运行                             ,即可安装Pytorch 1.11.0

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch

注意:

也可以用pip install的命令来下载pytorch                               ,但是因为三四两步都用的是conda     ,所以这里为了方便也用了conda conda install pytorch安装的是torch CPU版本                       ,conda install pytorch torchvision -c pytorch安装的是GPU版本

检查环境是否配置成功

如果如下操作可以正常进行并打印出你安装的相应版本                                ,那么你已经配置成功

#进入虚拟环境 conda activate [你的虚拟环境名] #输入python来进入python的环境 python #加载torch import torch print(torch.backends.cudnn.version()) #输出8200          ,代表着成功安装了cudnn v8.4.0 print(torch.__version__) #输出1.11.0                 ,代表成功安装了pytorch 1.11.0 print(torch.version.cuda) #输出11.3                                 ,代表成功安装了cuda 11.3 torch.cuda.is_available() #True

码字不易               ,大家点赞支持一下           ,感谢!!!

声明:本站所有文章                                  ,如无特殊说明或标注                    ,均为本站原创发布                 。任何个人或组织     ,在未征得本站同意时                                  ,禁止复制     、盗用                                  、采集                         、发布本站内容到任何网站、书籍等各类媒体平台                                 。如若本站内容侵犯了原著者的合法权益                         ,可联系我们进行处理               。

创心域SEO版权声明:以上内容作者已申请原创保护,未经允许不得转载,侵权必究!授权事宜、对本内容有异议或投诉,敬请联系网站管理员,我们将尽快回复您,谢谢合作!

展开全文READ MORE
php hashids(php文件Hash如何使用) python 动态创建对象(python如何动态的创建类?)