【精选】本地配置Python+PyCharm+PyTorch+CUDA深度学习环境 | 您所在的位置:网站首页 › 怎么检验pycharm 能否运行python › 【精选】本地配置Python+PyCharm+PyTorch+CUDA深度学习环境 |
本地配置Python+PyCharm+PyTorch+CUDA深度学习环境
前言配置Python环境下载与安装Python添加Python环境变量
安装PyCharm安装CUDA(可选)安装cuDNN(可选)配置PyTorch+CUDA环境
前言
远程链接Linux服务器 - Windows:详见本人另一篇文章,链接 。 Linux服务器配置Python+PyTorch+CUDA深度学习环境,链接 。 Python安装第三方库:详见本人另一篇文章,链接 。 pip常用命令:详见本人另一篇文章,链接 。 本文介绍Windows系统如何在本地配置Python+PyCharm+PyTorch+CUDA深度学习环境。包含配置Python环境、安装PyCharm、安装CUDA(可选)、安装cuDNN(可选)、配置PyTorch+CUDA环境,等内容。 首先,你需要一台具有NVIDIA(英伟达)显卡的Windows电脑,并安装好显卡驱动,才能继续以下步骤: 配置Python环境 下载与安装PythonPython官网:链接。 Python各版本下载地址:链接。 关于Python版本的选择问题,如没有特殊需求,都选择Python3,至于具体选择哪个版本,需要考虑用途,若是以学习为目的,可以选择较新的版本,若是以使用为目的,可以选择较稳定的版本。 至于安装,Windows系统在Python官网下载好exe安装包后可以直接安装,建议选择为所有用户安装,并添加环境变量。尽量不要安装在C盘,因为以后可能要安装很多第三方库,会占用C盘空间。 安装好后,打开CMD(命令提示符),输入命令python -V,如果显示出版本号则安装成功,否则可能是没有添加环境变量。要添加环境变量请看下文。 添加Python环境变量添加环境变量的方法请见我的另一篇文章:链接。 在系统变量的Path中添加安装的Python的路径,示例如下(具体参照自己的Python安装路径): D:\Program Files\Python\Python37\ D:\Program Files\Python\Python37\Scripts\添加好后,重启CMD,再输入命令python -V即可看到Python的版本号,并可以在命令行中使用Python。 安装PyCharmJetBrains官网:链接。 PyCharm官网:链接。 早期版本的PyCharm下载网址:链接。 至于安装,PyCharm有2个版本,分别是免费的社区版和需要购买的专业版,建议安装专业版,然后自行Crack。 至于设置,请详见我的另一篇文章:链接。 安装CUDA(可选)首先说明一点,这个步骤是可选的。因为英伟达显卡驱动安装成功后,一般都集成了一部分CUDA模块。若是不放心,也可以单独安装CUDA。 然后我们需要了解一下CUDA是什么: CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。 CUDA官网:链接。 CUDA早期版本下载地址:链接。 下载之前,需要清楚电脑显卡支持的CUDA版本,打开CMD(命令提示符),输入命令nvidia-smi,即可知道支持的最高CUDA版本,如下图: 同样,和CUDA一样,安装cuDNN也是可选的。若是想继续安装请查看以下内容。 首先了解一下cuDNN是什么: NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中,如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型,而不是简单调整性能,同时还可以在GPU上实现高性能现代并行计算。 那么,cuDNN和CUDA有什么联系呢:CUDA看作是一个工作台,上面配有很多工具,如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库,有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具,比如它就是个扳手。但是CUDA这个工作台买来的时候,并没有送扳手。想要在CUDA上运行深度神经网络,就要安装cuDNN,就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作,工作速度相较CPU快很多。 下面进入安装步骤,安装之前,需要在NVIDIA官网注册一个账号。 NVIDIA官网:链接。 cuDNN官网:链接。 早期版本的cuDNN下载地址:链接。 首先进行下载,下载时要选好对应CUDA版本和Windows10版本的cuDNN,如下图: 验证安装:通过NVIDIA提供的 deviceQuery.exe 和 bandwidthTest.exe 来查看GPU的状态,两者均在CUDA安装目录的 extras\demo_suite文件夹中,如下图: PyTorch官网:链接 。 早期版本的安装命令:链接 。 为Python安装PyTorch第三方库不能使用PyCharm的Settings进行安装,需要使用PyCharm的命令行进行安装,点击PyCharm软件底部的Terminal按钮即可进入命令行,如下图: |
CopyRight 2018-2019 实验室设备网 版权所有 |