写在前面

之前已经花了很长时间配置了Anaconda+Cuda+Cudnn，但由于遇到了以下问题需要全部重新安装，因此记录以下过程，希望没有下次了:/。

  • Anaconda版本较低，无法安装新的包。
  • RTX30系列的显卡不支持Cuda11以下的版本！！！！（这个是关键原因）

Anaconda的卸载与重装

彻底卸载Anaconda

  1. 点击Anaconda文件夹中的uninstall进行卸载
    在这里插入图片描述
  2. 在我的电脑中搜索conda、anaconda，等待系统搜索完成后将相关所有文件删除。
  3. 可以看到，卸载完成。
    在这里插入图片描述

我一开始找的教程是下面这两条指令，应该是能卸载的更干净。

在 Anaconda Prompt，输入conda install anaconda-clean #这一步会产生一个备份。默认位置在：C:\Users\xxx\.anaconda_backup
装好后，输入anaconda-clean --yes #省去输入 y 的步骤，省事

但是，在这一过程中，我遇到了一直在Solving environment: \的问题
决定运行下面这行，清除所有东西，更新所有东西，过程比较慢。
conda clean --packages && conda clean --all && conda update --all
结果还是失败了，就放弃了，改用上面的方法。

Anaconda的安装

Anaconda的版本选择，我看网上都是安装最新版，或者低一点的。

下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

  1. 点击安装包。
  2. 这里，网上教程选两个都有，我选择了All Users。
    在这里插入图片描述
  3. 可以改到D盘，也可以选择默认的。
    在这里插入图片描述
  4. 第一个是加入环境变量（旧版本是可选的，可以选上，不用重新添加。但是新版本不可选，需要后面手动配置），第二个是默认使用 Python 3.9，勾选，点击“Install”。
    在这里插入图片描述
  5. 最后Finish即可。
  6. 手动配置环境变量。
    • 打开“此电脑”，右键选择“属性”，随后在打开的页面点击“高级系统设置”，点击环境变量。
    • 找到系统变量里面的Path，点击“编辑”。在这里插入图片描述
    • 添加这三个文件位置（找到自己安装的Anaconda目录）在这里插入图片描述
    • 一路按确定！
  7. 配置环境变量和检验Anaconda环境变量是否配置成功都可参考：
    • https://blog.csdn.net/weixin_42855758/article/details/122795125?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166735862016782427489421%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=166735862016782427489421&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allbaidu_landing_v2~default-4-122795125-null-null.142v62pc_new_rank,201v3control_2,213v1t3_control1&utm_term=anaconda%20%E5%AE%89%E8%A3%85&spm=1018.2226.3001.4187
  8. 修改镜像源
    • https://blog.csdn.net/qq_52689354/article/details/126600159?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EYuanLiJiHua%7EPosition-1-126600159-blog-125690398.pc_relevant_3mothn_strategy_recovery&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EYuanLiJiHua%7EPosition-1-126600159-blog-125690398.pc_relevant_3mothn_strategy_recovery&utm_relevant_index=1
  9. 新建环境
    • 打开anaconda prompt
    • 命令行输入：conda create --name pytorch_gpu python=3.8，python_gpu为anaconda下虚拟环境名称
    • 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

CUDA

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。

卸载CUDA

  1. 打开控制面板-卸载程序
  2. 留下：NVIDIA的图形驱动程序、NVIDIA Physx系统软件、NVIDIA GeForce Experience，其他的卸载。
    在这里插入图片描述
  3. 这样就好了。
    在这里插入图片描述
  4. 可以检查一下是否卸载完成，如下则卸载完毕。
    在这里插入图片描述

安装CUDA

安装CUDA前，如果你有找好已经要跑的项目，建议直接安装跟项目相同环境的CUDA版本。如果没有，可以安装Pytorch兼容的版本。这次我安装了两个版本的CUDA，所以也有放安装多版本的CUDA地址。不要盲目安装版本。

下载链接：https://developer.nvidia.com/cuda-toolkit-archive

  1. 查看自己电脑配置匹配的CUDA版本

    • 通过win+r,输入cmd打开终端窗口，输入命令nvidia-smi可以看到cuda版本号，比如我的是11.7，即安装的cuda版本不能超过11.7在这里插入图片描述
    • 在该网址可查看对应的CUDA版本号：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#cuda-major-component-versions__table-cuda-toolkit-driver-versions

  2. 选择相应版本下载

    • Cuda官网的可下载版本：在这里插入图片描述
    • Pytorch官网的可下载版本：在这里插入图片描述
    • 这里要注意，不要下载比Pytorch提供的更高版本，不然不适配！
    • 因为Pytorch支持11.6，我就下载CUDA 11.6版本的

  3. 点击下载的版本，选择download

    • 在这里插入图片描述

  4. 点击安装包，安装。

    • 我用的是默认路径，没有修改。
    • 自定义安装在这里插入图片描述
    • 新版本小于等于当前版本，则不勾选在这里插入图片描述
    • 为了方便CUDA版本的管理，可以专门新建一个CUDA文件夹，在里面新建对应版本号的文件夹。
    • 在这里插入图片描述
    • 在CUDA11.6里又新建两个文件夹，CUDA Documentation和Development选相同的文件位置，Samples选不同的文件位置。
      -我截图的时候是错的位置，一定要看清楚Samples与另两个不同

  5. 检查CUDA是否安装成功
    在这里插入图片描述

cuDNN

cuda可以看做是一个工作台，而cudnn是基于cuda的深度学习加速库，想要在cuda上深度学习加速必须安装cudnn。
下载地址：https://developer.nvidia.com/rdp/cudnn-archive

  1. 注册，选择相应版本下载。
    在这里插入图片描述
  2. 将压缩包的三个文件复制到刚刚新建的CUDA的有相应文件夹里面。在这里插入图片描述
  3. 配置环境变量。
    • 在系统变量一共新建五条：
      • 【CUDA_SDK_PATH_V11_6】C:\CUDA\CUDA11.6\CUDA2
      • 【CUDA_BIN_PATH_V11_6】%CUDA_PATH_V11_6%\bin
      • 【CUDA_LIB_PATH_V11_6】%CUDA_PATH_V11_6%\lib\x64
      • 【CUDA_SDK_BIN_PATH_V11_6】%CUDA_SDK_PATH_V11_6%\bin\win64
      • 【CUDA_SDK_LIB_PATH_V11_6】%CUDA_SDK_PATH_V11_6%\common\lib\x64
    • 在Path环境一共新建8条：
      • %CUDA_LIB_PATH_V11_6%
      • %CUDA_BIN_PATH_V11_6%
      • %CUDA_SDK_BIN_PATH_V11_6%
      • %CUDA_SDK_LIB_PATH_V11_6%
      • C:\CUDA\CUDA11.6\CUDA1\lib\x64
      • C:\CUDA\CUDA11.6\CUDA1\bin
      • C:\CUDA\CUDA11.6\CUDA2\common\lib\x64
      • C:\CUDA\CUDA11.6\CUDA2\bin\win64
    • 加入版本号是因为我同时安装了两个版本的CUDA，用来区分不同版本的环境变量。
    • 配置变量和验证是否下载成功，详细请参考：https://blog.csdn.net/L1778586311/article/details/112425993

多版本CUDA下载

  1. 跟上述步骤相似，唯一不同的是在自定义安装中只选择CUDA即可！！
  2. 环境变量一式两份。详细请参考：https://blog.csdn.net/L1778586311/article/details/112398545

Pytorch下载

前面我下载了CUDN11.6版本的，因为项目需要，我又下载了CUDN11.0版本的和对应的cuDNN。所以，这里演示的是CUDN11.0，torch=1.7.1的下载。

  1. Win+R启动cmd，依次输入命令：
    • conda create –n pytorch-gpu python=3.7
    • activate pytorch-gpu
    • activate pytorch-gpu
    • # CUDA 11.0 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
  2. 依赖库的安装：
    • scipy==1.7.1
    • numpy==1.21.2
    • matplotlib==3.4.3
    • opencv_python==4.5.3.56
    • torch==1.7.1
    • torchvision==0.8.2
    • tqdm==4.62.2
    • Pillow==8.3.2
    • h5py==2.10.0
    • 可以将上述内容复制到记事本中，命名为requirements.txt文件。
    • 运行 pip install -r C:\XXXX(你存放的地址)\requirements.txt一起安装
  3. 全部安装完成之后重启电脑

在Pycharm中为项目添加现有的虚拟环境

4的文件位置，envs是虚拟环境所在的文件夹，初次安装应该在C:\Users\XX(你的用户名)\.conda\envs中，也可自行将虚拟环境位置更换到D盘。
在这里插入图片描述

# pytorch # python # 深度学习
Logo
华为开发者空间

华为开发者空间，是为全球开发者打造的专属开发空间，汇聚了华为优质开发资源及工具，致力于让每一位开发者拥有一台云主机，基于华为根生态开发、创新。

更多推荐

cover

深度解析HarmonyOS SDK实况窗服务源码，Get不同场景下的多种模板

avatar 华为开发者空间
cover

云数据库服务API探秘之旅

avatar 华为开发者空间
cover

大数据时代下的数据守护：华为云数仓DWS备份恢复

avatar 华为开发者空间