当前位置: 首页 > article >正文

2025年最新深度学习环境搭建:Win11+ cuDNN + CUDA + Pytorch +深度学习环境配置保姆级教程

本文目录

  • 一、查看驱动版本
    • 1.1 查看显卡驱动
    • 1.2 显卡驱动和CUDA对应版本
    • 1.3 Pytorch和Python对应的版本
    • 1.4 Pytorch和CUDA对应的版本
  • 二、安装CUDA
  • 三、安装cuDANN
  • 四、安装pytorch
  • 五、验证是否安装成功

一、查看驱动版本

1.1 查看显卡驱动

输入命令nvidia-smi可以查看对应的驱动,这里我的驱动是
560.78,CUDA的版本是12.6。

在这里插入图片描述

1.2 显卡驱动和CUDA对应版本

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

1.3 Pytorch和Python对应的版本

在这里插入图片描述

1.4 Pytorch和CUDA对应的版本

在这里插入图片描述

二、安装CUDA

https://developer.nvidia.com/cuda-toolkit-archive

CUDA官网中挑选自己对应的版本进行下载即可,这里我下载12.60.

在这里插入图片描述
对应的选择如下
在这里插入图片描述

然后选中我们提前准备好的目录,点击下一步即可等待安装。

在这里插入图片描述

这里点击同意并继续,然后会到下图中这个界面,继续点击下一步。

在这里插入图片描述

继续点Next即可。

在这里插入图片描述

然后等待对应的安装。

在这里插入图片描述

这一步就安装好了。
在这里插入图片描述

这个时候我们重新开一个cmd命令窗口(注意需要重新开,不然识别不了系统变量)然后我们输入命令nvcc --version可以看到对应的版本号了。

在这里插入图片描述
打开环境变量,可以看到环境变量也装上了,这个是CUDA的安装程序自动帮我们装的。

在这里插入图片描述

三、安装cuDANN

接着我们需要安装cuDANN,我们去官网如下地址:

https://developer.nvidia.com/rdp/cudnn-archive

在这里插入图片描述

找到对应的版本进行安装。这里可能需要邮箱注册nvidia官网账号,大家提前准备好个人邮箱即可。

在这里插入图片描述
我们先把下载好的zip解压缩,然后把压缩包里面的东西都复制放到CUDA的路径(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6)中去。

在这里插入图片描述
在这里插入图片描述
然后在这个路径下(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\extras\demo_suite)右键打开cmd命令行,输入如下命令:

.\bandwidthTest.exe
.\deviceQuery.exe

在这里插入图片描述
在这里插入图片描述
当输入两个命令之后都出现pass了,就代表成功了。

四、安装pytorch

首先我们需要创建对应的一个虚拟环境。

这里我用命令:conda create -n pytorch1 python=3.10

因为如果大家做GNN方面的话,可能需要Networkx这个包(搭建图神经网络相关的),这个包最低都需要3.10版本。

然后我们conda activate pytorch1进入到创建的好的环境中之后,更换源:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
conda config --set ssl_verify false

在这里插入图片描述
接着进入pytorch的官网`https://pytorch.org/``安装对应的pytorch版本。

在这里插入图片描述
选中自己的这个适应版本的安装语句,进行安装即可。

pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu126

在cmd中的pytorch1的虚拟环境下复制上面的语句即可。

然后等待几分钟进行安装。(如果大家不会开梯子,可能需要两个小时,建议输入这个命令前可以换个梯子,如果没有梯子,就需要制定换源进行安装,不然太慢了。如果已经运行了这个命令,但是没有开梯子,可以ctrl+c终止安装,然后开了梯子之后,重新跑这个安装,这样是没问题的。但是你在安装过程中,命令已经跑起来了,才开梯子,是没用的,因为conda命令默认是采用启动命令时的通道网络,需要跑之前就把梯子开好。)

在这里插入图片描述

五、验证是否安装成功

在cmd中的虚拟环境pytorch1中,依次输入如下命令:

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

当输出true的时候,就代表环境都装好了,pytorch可以使用了,可以开始跑深度学习了。

在这里插入图片描述
最后祝所有人安装pytorch不报错!!!


http://www.kler.cn/a/513925.html

相关文章:

  • 使用vue-next-admin框架后台修改动态路由
  • Alluxio 联手 Solidigm 推出针对 AI 工作负载的高级缓存解决方案
  • 网络通信---MCU移植LWIP
  • Node.js 完全教程:从入门到精通
  • R语言的图形用户界面
  • vue3使用音频audio标签
  • C# OpenCV机器视觉:红外体温检测
  • npm和webpack学习
  • 150 Linux 网络编程6 ,从socket 到 epoll整理。listen函数参数再研究
  • 解决github无法clone的问题
  • 树莓派4基于Debian GNU/Linux 12 (Bookworm)设置程序开机自启动
  • TiDB 的高可用实践:一文了解代理组件 TiProxy 的原理与应用
  • pyautogui自动化鼠标键盘操作
  • Redis 7.0 新特性助力:小红书利用 I/O 多线程模型应对高并发挑战
  • 汽车和工业用激光雷达行业分析
  • C语言练习(16)
  • Ubuntu16.04 安装OpenCV4.5.4 避坑
  • 深度学习之监督学习和无监督学习的探讨
  • ECharts 海量数据渲染性能优化方案
  • “物联网+高职”:VR虚拟仿真实训室的发展前景
  • 【分布式架构设计理论1】架构设计的演进过程
  • 云知声:语音交互领域的技术先锋与创新引擎
  • 一文讲解Redis常见使用方式
  • 高校宿舍信息|基于Spring Boot的高校宿舍信息管理系统的设计与实现(源码+数据库+文档)
  • Httprunner接口测试框架入门
  • 微信小程序使用上拉加载onReachBottom。页面拖不动。一直无法触发上拉的事件。