RTX3060（30系显卡）Windows10部署Pytorch深度学习环境步骤与心得

2023-05-16

文章目录

- 计算机配置
- 1 安装Anaconda
- 2 CUDA和Cudnn的下载和安装
- 3 pytorch库的安装
- 4 其它库的安装
- 5 配置完成
- 一些小Tips
- 更新：关于Pytorch 2.0安装

我的RTX3060显卡部署Pytorch深度学习环境步骤与心得，深度学习框架使用的是Pytorch，操作系统Windows 10。
大家知道深度学习环境的配置并不是一件简单的事，因为需要使用显卡的GPU进行运算。而30系显卡的配置又有些许的不同，其对应的各类环境、插件、库的版本有自己的要求。经过摸索，分享一下步骤和心得，跟着走小白也能一样无压力地配置环境。其他30系显卡也一样可以参考。

计算机配置

由于大部分计算是在GPU端进行，深度学习对CPU要求没这么高，只要不是太离谱都能胜任。
显卡：RTX 3060，显存12G
显卡是唯一重要的硬件，30系代号越高一般标志着越高的算力，直接决定了深度学习训练的效率。3060也算是30系显卡的标准级配置了，轻量级的样本一般也能胜任，土豪可以直接无脑3090。
小白提问：A卡行吗？答：不行，因为N卡对深度学习的支持好。
深度学习环境：
我选择的Pytorch版本是Pytorch：1.7.1、torchvision：0.8.2。

1 安装Anaconda

深度学习推荐集成开发环境Anaconda，预装了数据处理的各类有用的软件和Python库，并且能非常方便地进行环境配置和管理。
可以直接当前主页（https://www.anaconda.com/products/individual）的Python3.8版本下载。
在这里插入图片描述
下载链接：https://repo.anaconda.com/archive/Anaconda3-2021.05-Windows-x86_64.exe
（目前主页的版本已经升级成了Python3.9版，一样没什么问题，也可以在网页底部的Additional Installers区域点击archive下载到往期版本的Anaconda）
安装过程没有什么特别的，按默认的步骤安装即可。

2 CUDA和Cudnn的下载和安装

在安装CUDA前，首先可以更新一下自己的显卡驱动，图上显示最新的显卡驱动版本是 496.49，发布日期10/26/2021。（现在又有新版本）
在这里插入图片描述

接着安装CUDA和Cudnn。
小白提问：为啥要安装CUDA？
答：因为CUDA是NVIDIA用于自家GPU的并行计算框架，只能在NVIDIA的GPU上运行。深度学习神经网络存在着大量的并行计算，所以要用这个CUDA框架在GPU上进行运算。顺便cuDNN全称 CUDA Deep Neural Network library，是NVIDIA针对深度神经网络的加速库，起辅助作用。

我选择的CUDA版本是11.0。
（这里可以看到显卡驱动版本和对应的CUDA版本要求）
Cuda=11.0，地址：https://developer.nvidia.com/cuda-11.0-download-archive

在这里插入图片描述安装过程中会提示你安装visual studio，忽略即可。

对应CUDA 11.0的cudnn=8.0.5.39。
地址：https://developer.nvidia.com/rdp/cudnn-archive
需登录Nvidia账号才能下载，登一下吧。
选择 cuDNN Library for Windows (x86)
在这里插入图片描述
下载地址：
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.0.5/11.0_20201106/cudnn-11.0-windows-x64-v8.0.5.39.zip

默认C盘这个位置为CUDA安装的根目录。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
然后大家把cuDNN的zip压缩包解压，复制到这个目录下就行了。

将压缩包解压缩
拷贝到CUDA的目录下

3 pytorch库的安装

先创建pytorch环境并激活环境，环境名就叫“pytorch”吧。打开cmd命令提示符，输入：

conda create –n pytorch python=3.8
activate pytorch

成功激活环境后，可以看到命令提示符前会带有环境名，以后每次都要激活一下进入这个环境才能进行安装库等操作。

我选择的Pytorch版本是Pytorch：1.7.1、torchvision：0.8.2。
（这里可以看Pytorch版本和CUDA版本的对应情况）

那么就可以在pytorch环境中直接输入下面这一行命令来安装pytorch，不过先别急。

pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

因为库文件非常大（2个G），因此整个过程非常慢，不推荐这个方法。

所以，我们可以打开下面网站手动下载库：
https://download.pytorch.org/whl/torch_stable.html
我们选择
cu110/torch-1.7.1%2Bcu110-cp38-cp38-win_amd64.whl
下载地址：https://download.pytorch.org/whl/cu110/torch-1.7.1%2Bcu110-cp38-cp38-win_amd64.whl

再选择cu110/torchvision-0.8.2%2Bcu110-cp38-cp38-win_amd64.whl
下载地址：https://download.pytorch.org/whl/cu110/torchvision-0.8.2%2Bcu110-cp38-cp38-win_amd64.whl

选择需要的“轮子”
下好轮子后，进入whl文件所在目录，输入：

pip install torch-1.7.1+cu110-cp38-cp38-win_amd64.whl
pip install torchvision-0.8.2+cu110-cp38-cp38-win_amd64.whl

比如我下载到了 D:\downloads，就进入这个目录，输入上面的命令即可安装。
安装“轮子”

4 其它库的安装

在深度学习中，我们处理数据一般还会用到以下几个库，可以视情况用“pip install”安装（注意进入pytorch环境）。
numpy
scipy
pandas
matplotlib
h5py
tqdm
jupyter
opencv_python==4.5.3.56
注意我这里选择的opencv的版本为4.5.3.56。
（注：清华源 -i https://pypi.tuna.tsinghua.edu.cn/simple）

5 配置完成

在当前环境中，我们输入python，再输入import torch，没有报错则安装成功，之后输入torch.cuda.is_available()，返回True则可以调用GPU，于是配置成功！

一些小Tips

0.关于 pytorch 与 torchvision、torchaudio 版本的对应情况参考官方链接：
torchaudio
torchvision

1.非常推荐使用VS Code码代码，可以安装各类友好的插件（python扩展必装）。
但是最新版本的Anaconda中不能直接下载，自己手动下载配置环境即可~
其他推荐插件：中文语言支持、Tabnine（AI自动填充代码）

2.勿直接在Anaconda上安装Jupyter Notebook，会有一些问题。直接在环境中“pip install jupyter”安装即可。

更新：关于Pytorch 2.0安装

关于最新的pytorch2.0，可以重新建一个python环境（如3.10）
更新显卡驱动后，安装以下环境：
cuda 11.7
cuDNN v8.9.0 (for CUDA 11.x)
pytorch2.0：cu117/torch-2.0.0%2Bcu117-cp310-cp310-win_amd64.whl
torchvision 0.15.1：cu117/torchvision-0.15.1%2Bcu117-cp310-cp310-win_amd64.whl
torchaudio 2.0.1：cu117/torchaudio-2.0.1%2Bcu117-cp310-cp310-win_amd64.whl

更多内容欢迎关注“飞舞的矩阵” （本文发在我的公众号“飞舞的矩阵”和CSDN博客）

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)