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！））

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



   




   




   




   ，它是向下兼容的

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！！！