pytorch 的配置一二事

配置过程

Step1 配置 CUDA

• 首先，不确定本机是否已安装的情况下，可前往默认目录 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\ 下查看，若已安装则有对应版本的 CUDA：

• 若尚未安装，进入 https://developer.nvidia.com/cuda-downloads，选取合适配置安装。此处以 Win11 系统为例：

• 安装完成后，再配置系统环境变量：

• win+R 呼出控制台，键入 nvcc --version nvcc -V 指令（两者择一即可）：

• 显示版本号及相关内容，说明配置成功

Step2 配置 CuDDN

• 前往 https://developer.nvidia.com/rdp/cudnn-archive 下载

• 解压下载得到的压缩包，将得到的三个文件夹 bin、include 与 lib 分别覆盖至 Step1 中所述 CUDA 根目录，如默认位置 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v版本号：

Step3 配置 Pytorch

• 前往 https://pytorch.org/get-started/locally/ 官网，可通过点选得到合适的安装命令

• 注意到这里给的源默认为 -c pytorch，为提高下载速度可换用国内源：

国内镜像	位置
清华源	https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
中科大源	https://pypi.mirrors.ustc.edu.cn/simple
豆瓣源	https://pypi.douban.com/simple

• 这里采用清华源，输入安装指令：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

• 如上图所示，此时键入 y 以继续进行 (proceed)。耐心等待，直至安装完成

• 新建一个 python 程序，简单验证下 pytorch 是否工作正常：

import torch

print("Torch version {}".format(torch.__version__))
print("CUDA is available: {}".format(torch.cuda.is_available()))

小结

• CUDA（Compute Unified Device Architecture），统一计算设备架构

  • def 是使 GPU 能够解决复杂计算问题的通用并行计算架构
  • 与显驱的关系：显卡驱动用于识别计算机的 GPU 硬件并调用其资源；而 CUDA 是在此基础上的框架，用于进行一系列复杂的并行计算

• cuDNN

  • def 深度神经网络库，是针对深度卷积神经网络的加速库
  • 强调性能、易用性和低内存开销

• pytorch

  • def cuDNN 加速框架之一，是一个基于 Torch 的开源 Python 机器学习库
  • 包含张量计算和自动求导系统的深度神经网络两大重要功能