RTX3090+win10+CUDA11.6+cudnn8.5.0+pytorch1.12.1 环境——个人配置经验

rtx3090

zxm_

8833人浏览 · 2022-09-14 22:30:15

zxm_ · 2022-09-14 22:30:15 发布

主要参考博客：
Ubuntu20.04+RTX3090ti+cuda11.6+cudnn8.4.1+pytorch安装过程记录

配置时间：2022.9.14
以下是我亲测有效的使用 RTX 3090 的各部分安装版本：
电脑系统：window 10
python版本：3.8.13
pytorch版本：1.12.1
CUDA版本：11.6
cuDNN版本：8.5.0

以下是我个人安装教程，仅供参考，如果出现新问题我恐怕可不能解决，谨慎参考，大神请随意~

第一步：安装Anaconda

注意！！！注意安装的Anaconda是64位的，不然后面的pytorch不能找到对应版本！！！
第一次失败：
后续安装pytorch时一直报错Solving environment: failed with initial frozen solve. Retrying with flexible solve.
网上查说是版本不对应的问题，一开始一直以为是python版本的问题，最后才发现是anaconda的版本错了。Anaconda装成32位的，还一直傻傻没有发现。。。
在这里插入图片描述

检查版本 conda info
在这里插入图片描述
重新安装了64位的Anaconda

根据提示安装即可。

第二步：新建环境

1、打开anaconda prompt
2、命令行输入：conda create --name pytorch_gpu python=3.8
python_gpu为anaconda下虚拟环境名称
在这里插入图片描述
3、如果要启用创建的环境，输入指令：conda activate pytorch_gpu
关闭该环境的话，输入指令：conda deactivate

第三步：Cuda安装

建议安装CUDA之前先安装VS

不知道为什么，网上教程这样建议的，于是我还是安装了，一定不要装在c盘！！！！！
可选VS2013，体量小。
我直接官网下载，装的VS2019版本，选择C++开发工具即可。

在这里插入图片描述
Driver Version：512.50
CUDA Version：11.6

虽然自带CUDA，但是为了保险起见，重新安装CUDA和cuDNN
注意，安装完重启，否则nvcc -V可能没变

1、进入官网检查版本对应
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
在这里插入图片描述
考虑到越新的版本可能对运算有优化，这里安装11.6版本

2、下载安装包
CUDA下载网站，无需注册
https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述

根据提示安装即可

第四步：cudnn安装

1、检查cudnn是否安装
cmd下输入命令：nvcc -V
如果已经安装会出现详细信息，注意，CUDA安装完重启，否则nvcc -V可能没变
cudnn安装好后：
在这里插入图片描述

2、下载安装包
cuDNN网址
https://developer.nvidia.com/cuDnn

下载cuDNN需要注册NVIDIA账号并登录，我使用163邮箱可以正常收发邮件。邮箱验证完后，补全一些信息即可。
在这里插入图片描述
我下载的是最新版本：cudnn8.5.0

4、安装cudnn
安装CUDA完毕后

解压cuDNN压缩包，复制以下所有内容。
在这里插入图片描述
打开路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6

将刚才复制的内容粘贴到该文件夹。
这里与Win10+CUDA11.0+RTX 3060ti GPU深度学习主机 pytorch 环境相似，大体上是这样
在这里插入图片描述

完成。

检查：查看CUDA和CUDNN是否安装成功（conda 环境）

安装pytorch

按照官网建议 https://pytorch.org/get-started/locally/
在这里插入图片描述
激活环境后安装

conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

根据提示安装即可。

测试

全部安装好后测试，参考博客查看Pytorch是否使用GPU、pytorch - 查看pytorch、cuda、cuDNN版本

import torch
print("Pytorch version：")
print(torch.__version__)
print("CUDA Version: ")
print(torch.version.cuda)
print("cuDNN version is :")
print(torch.backends.cudnn.version())

print("torch.cuda.is_available():",torch.cuda.is_available())           # cuda是否可用
print("torch.cuda.current_device():",torch.cuda.current_device())       # 返回当前设备索引
print("torch.cuda.device_count():",torch.cuda.device_count())           # 返回GPU的数量
print("torch.cuda.get_device_name(0):",torch.cuda.get_device_name(0))   # 返回gpu名字，设备索引默认从0开始

在这里插入图片描述
cudnn的版本不知道为啥子不一样，不过应该是可以用~

备注

1、jupyter运行

配置：Jupyter Notebook切换python运行环境
注意配置环境变量！
在这里插入图片描述

运行：anaconda prompt

cd / 路径
jupyter notebook ./

2、tensorflow-gpu安装

1、新建环境

conda create --name tf_gpu python=3.8

2、版本对应

在这里插入图片描述

3、tensorflow_gpu安装

参考博客：安装tensorflow的GPU版本（详细图文教程）–CUDA11.6的安装

pip install -U tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

在这里插入图片描述
帮我安装的tensorflow_gpu2.10.0

python3.8.13

4、测试

import tensorflow as tf
tf.test.is_gpu_available()

在这里插入图片描述
应该是没什么问题。

3、环境相关

克隆环境
如果要启用创建的环境：

conda activate pytorch_gpu

关闭该环境的话：

conda deactivate

查看环境

conda info --envs
# 或者
conda env list

删除环境
其中yyy是要卸载的环境名

conda uninstall -n yyy --all

把本地的AAA环境克隆成BBB

conda create -n BBB --clone AAA

4、Pycharm运行问题

pycharm 运行测试代码时，报错：
Original error was: DLL load failed while importing _multiarray_umath: 找不到指定的模块。
在这里插入图片描述
经过百度：
应该时numpy版本问题，激活环境后，重装numpy
conda uninstall numpy
conda install numpy