「安装」 Windows下安装CUDA和Pytorch

Mac、Linux、云端

Mac、Linux、云端安装Miniconda和Pytorch的方法参考其他资料。

Windows

下面进行Windows下安装CUDA和Pytorch来跑深度学习。

安装CUDA

CUDA介绍：https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html

注意只有NVIDIA GPU才能使用CUDA，AMD GPU或集成显卡均无法使用CUDA。

首先查看电脑是否拥有NVIDIA GPU：
win + r 打开「运行」窗口，输入dxdiag：

下载CUDA，进入官网 https://developer.nvidia.com/cuda-downloads：

打开安装包：

设置安装目录：

安装选默认选项：
核心就是装：

1. 驱动
2. cuda开发环境

安装完成后进入命令行，使用nvidia-smi命令查看是否安装成功：

安装miniconda

接下来下载Python环境miniconda(为什么要装miniconda参考其他资料)，进入官网 https://docs.anaconda.com/miniconda/miniconda-other-installer-links/#



默认选项安装即可：

在开始菜单打开 Anaconda Powershell Prompt：

输入python --version，查看是否是自己安装的python版本：

安装PyTorch

接下来安装PyTorch的GPU版本，进入官网 https://pytorch.org/

选择好对应的版本，然后将对应pip命令复制到Anaconda Powershell Prompt中进行pytorch安装：

整个过程还是比较慢的，文件也比较大，下载速度很慢。

下面看下是否安装成功，在Anaconda Powershell Prompt中打开python，导入torch：

测试

安装好后找一个真正的深度学习的应用跑一下，在《动手学深度学习》官网 https://zh-v2.d2l.ai/ 下载Jupyter记事本：

下载好之后解压(解压的过程提示有重名文件，选择覆盖)：

接下来使用pip命令安装所用到的包 jupyter、d2l。打开Anaconda Powershell Prompt，使用pip命令进行安装：

pip install jupyter d2l

最好使用源镜像进行安装，否则容易出现安装失败。

安装好上面两个包之后在Anaconda Powershell Prompt中启动jupyter notebook就可以运行jupyter实例了：

启动jupyter notebook后会直接跳出浏览器窗口：

在跳出的浏览器窗口中并没有找到前面下载的jupyter实例。问题出现在刚才是在 C:\Users\Mao 目录下启动jupyter notebook的，而下载的jupyter实例是在 E:\ 目录下，因此需要使用 cd 命令切换到 E:\ 目录下启动jupyter notebook。

注意：
启动jupyter notebook的目录需要与jupyter实例(d2l-zh)所在目录一致。

切换到jupyter实例目录下再启动jupyter notebook:

这样在跳出的浏览器窗口中就出现下载的jupyter实例(d2l-zh)了:

依次点击 d2l-zh、pytorch、chapter_convolutional-modern、resnet.ipynb，这就是要测试的实例：

点击Kernel - Run All 运行所有：

点击Restart：

然后拉到页面的最下面，就可以看到已经开始下载数据进行训练了：

在训练的过程中可以通过任务管理器或在Anaconda Powershell Prompt中输入nvidia-smi命令查看GPU使用率：

训练结果：

作为对比，看一下在云上的处理速度(去《动手学深度学习》中找到现代卷积神经网络 - 残差网络，便可找到数据)：

总结

在Windows上学习深度学习的步骤：

1. 确认有NVIDIA GPU
2. 安装CUDA
3. 安装miniconda
4. 安装GPU版PyTorch
5. 安装d2l和Jupyter
6. 下载d2l记事本运行测试

其他

还可以使用谷歌Colab(免费算力平台)进行深度学习，colab有免费的CPU和GPU可以使用。

使用colab方法：代码选择PyTorch版本

然后拉到页面最上面，点击colab[PyTorch]：


不过使用谷歌需要一点方法。