環境配置篇

安裝cuda

更新nvidia驅動

打開GeForce Game Ready Driver或在 GeForce Experience中下載符合自己gpu的程序。

選擇cuda

打開nvidia控制面板

點擊幫助、點擊系統信息、在點擊組件在3D設置中可以看到cuda信息

在我升級過nvidia驅動后，cuda的版本更新到了10.1。接下來下載cuda .

cuda10.1安裝完畢。

安裝cuDNN

在安裝了cuda10.1后選擇對應的cuDNN版本v7.6.1

解壓文件，然后添加bin目錄到環境變量

安裝cuDNN

在安裝了cuda10.1后選擇對應的cuDNN版本v7.6.1

解壓文件，然后添加bin目錄到環境變量

使用Anaconda prompt創建環境

conda create -n pytorch_gpu pip python=3.7

View Code

其中pytorch_gpu是環境的名字，python版本是3.7

conda activate pytorch_gpu

View Code

這個命令可以進入創建好的環境。

安裝Pytorch

建議切換源，我使用的是中國科學技術大學”（USTC Open Source Software Mirror）提供anaconda的鏡像源，速度提高不少。

方法一：

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

View Code

方法二：

打開.condarc文件，進行編輯

這個順序存在一個優先級，會先在中國科學技術大學的鏡像源尋找，如果大家感覺速度慢，也可以換別的鏡像源。

打開官網選擇后復制命令

conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

View Code

整個過程只需要按一下’y’即可。

驗證

為了確保PyTorch是否安裝成功，我們需要運行簡單的樣例代碼測試，例如打印出隨機生成的張量矩陣，以及gpu是否可以使用。

import torch
x = torch.rand(5,5)
print(x)

View Code

輸出類似下面

tensor([[0.7078, 0.1424, 0.3411, 0.3987, 0.3476],
        [0.7534, 0.7137, 0.3489, 0.4226, 0.3640],
        [0.4104, 0.8411, 0.5112, 0.0629, 0.0664],
        [0.7568, 0.9495, 0.3300, 0.2392, 0.6441],
        [0.7615, 0.1883, 0.6001, 0.9663, 0.3313]])

View Code

如果ok，pytorch安裝成功。