Configuration tutorial for pytorch environment under windows.pdf

土堆教程 | Windows下深度学习环境配置所有相关资料均在视频简介中
3 公众号：土堆碎念 B站：我是土堆
教程大纲 & 如何使用此教程
◼ 说说安装过程中各个软件的作用（可选）
◼ 聊聊深度学习与GPU（可选）
◼ 安装步骤演示
◼ 确定电脑是否有Nvidia GPU – 先看【判断是否有NVIDIA（英伟达显卡）GPU】
◼ 结合自己电脑操作系统和有无GPU，找到对应安装视频
◼ 如果有NVIDIA GPU，看视频开头带【GPU版本】
◼ 如果没有 NVIDIA GPU，看视频开头带【CPU版本】
快速开始版本

土堆教程
聊聊Python与库

Python
◼ 编程语言 – 人和计算机
◼ Python 就是人和计算机相互交流的一门编程语言
◼ Python 是计算机世界中比较（语法）简单的语言

库/包/package/library
◼ 包/库，就是别人分享的工具（模板）。
◼ 有了这些工具，我们可以高效地完成一些事情。
◼ 如果安装包，就是使用 pip install 包名

土堆教程
PyTorch / Tensorflow

PyTorch / Tensorflow
◼ 其实就是 Python 的库
◼ 安装其实就可以使用pip install 包名

土堆教程
Anaconda
一个神奇的软件

Anaconda
◼ Python环境
◼ Conda命令，我们可以使用 conda install 包名 – 库（APP），conda/pip（应
用商店）
◼ 虚拟环境-PyTorch 1.10版本，1.4版本
很多的库-用于科学计算的
Base(安装完默认有的）
Xiaotudui – Python
3.6

土堆教程
PyCharm
写代码的软件

Python是如何运行起来的（传统方法）
Print(“xiaotudui”)
我们写的Python文件
计算机
Python Interpreter –
Python解释器
我们先写好代码，保存成.py文件 – 调用Python + 文件名运行文件

PyCharm
◼ 能够进行代码补全
◼ 代码运行-一键完成
◼ 实时语法错误检查
◼ 配置一个项目的时候，需要配置好Python解释器

土堆教程
显卡GPU及其相关概念

显卡GPU，驱动
• GPU (Graphics Processing Unit)
• 显卡，主要就是用于在屏幕上显示图像。用于与视频，图像处理相关的任务。
• 显卡：独立显卡，核显。
• 驱动：让计算机识别特定的硬件。

深度学习显卡，CUDA
• 深度学习显卡，英伟达品牌的显卡。NVIDIA
• 有了CUDA，我们就可以操作英伟达品牌的显卡。
显卡-英伟达品牌的显卡-硬件
计算机
驱动 Cuda driver version
Cuda runtime version
Pytorch /tensorflow

GPU VS CPU
控制电路
缓存
ALU ALU
ALU ALU
CPU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
ALU
缓存
GPU

土堆教程
环境配置中各软件的关系

计算机
Anaconda
Base 虚拟环境
Python解释器 conda
pip
Package(tensorflow, pytorch)
创建
管理
自定义虚拟环境
Python解释器
conda
pip
Package(tensorflow, pytorch,
cuda)
创建
管理
PyCharm
Python文件
配置
CPU
GPU
驱动（CUDA driver)

土堆教程
Windows下判断有无 NVIDIA GPU
如果大家有 NVIDIA GPU，大家就去看视频开头带有【GPU版本】的安装视频
如果大家没有 NVIDIA GPU，大家就去看视频开头带有【CPU版本】的安装视频

Windows下判断有无NVIDIA GPU
◼ 检查任务管理器 – 如果GPU中带有NVIDIA字眼，说明有NVIDIA GPU
有NVIDA GPU【看 GPU 版本视频】无NVIDA GPU【看CPU版本视频】

Windows下判断有无NVIDIA GPU
你觉得你有，但任务管理器上没有 – 有可能是你没装驱动

土堆教程
Windows下安装PyTorch
CPU版本

计算机
Anaconda
Base 虚拟环境
pip
创建
管理
Python解释器
conda
pip
创建
管理
PyCharm
Python文件
配置
CPU

流程
1. 确定自己的硬件信息 – 任务管理器（性能选项卡）确定无NVIDIA GPU
2. 下载安装 Anaconda
3. 利用 conda 或者 pip 安装 PyTorch （坑最多的）
4. 下载安装/配置 PyCharm

• 官网 https://www.anaconda.com/
• 选择 Products -> Anaconda Distribution
• 点击 Download，可以下载最新版本
• https://repo.anaconda.com/archive/，可以下载到历史版本
• 安装路径最好全英文
1. 可以下载历史版本，距今一两年左右
2. 如果下载慢的话，可以右键复制地址，粘贴到迅雷上下载
3. 可以去视频简介下方找到安装包

3. 利用conda或者pip 安装PyTorch
1. 创建一个虚拟环境（比如叫 tuduipytorch)
• 利用 conda create 指令创建新的虚拟环境
• conda create –n 虚拟环境名字 python=版本
• 添加镜像加速
• conda create –n 虚拟环境名字 python=版本 –c 镜像地址
• 就使用base环境
镜像名用于创建环境镜像地址
清华镜像 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
北京外国语大学镜像 https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
阿里巴巴镜像 http://mirrors.aliyun.com/anaconda/pkgs/main
删除虚拟环境：conda remove –n 虚拟环境名字 --all
持久添加通道：conda config --add channels 通道地址
删除通道：conda config --remove channels 通道地址

配置文件（包含通道地址）
-defaults
(添加一个镜像地址）
conda install xxx
conda create –n yyy
conda install xxx –c 通道地址
conda create yyy –c 通道地址
如何持久化添加/删除通道
• conda config --add channels 通道地址
• conda config --remove channels 通道地址
通道（channel），其实就相当于下载地址。
如何查看配置文件中有哪些通道？
• conda config --get
• conda config --show

2. 在上一步创建的虚拟环境中安装PyTorch(安装PyTorch，需要安装pytorch, torchvision,
torchaudio三个包）
• 从官网（https://pytorch.org/）采用命令行下载
• conda install pytorch torchvision torchaudio cpuonly –c pytorch
• 添加镜像源
• conda install pytorch torchvision torchaudio cpuonly –c 镜像地址
镜像名镜像地址 – pytorch, torchvision, torchaudio
清华镜像 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
北京外国语大学镜像 https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/win-64/
阿里巴巴镜像 http://mirrors.aliyun.com/anaconda/cloud/pytorch/win-64/
南京大学镜像 https://mirror.nju.edu.cn/pub/anaconda/cloud/pytorch/win-64/

• 使用官网的命令
• pip3 install torch torchvision torchaudio
• 本地安装
• 主要下载 pytorch/torch 这个包，下载地址在命令行中有提示
• https://download.pytorch.org/whl/cpu/torch_stable.html
• 下载完成之后，使用pip install 下载文件地址来安装pytorch
• 使用原来命令行下载 torchvision torchaudio

conda install pytorch torchvision torchaudio cpuonly 安装成功后界面

pip install pytorch torchvision torchaudio 安装成功后界面

4. 验证pytorch是否安装成功
1. 激活对应的虚拟环境（你安装Pytorch的虚拟环境）conda activate 虚拟环境名
2. 输入conda list，看有没有pytorch或者torch
3. 输入python
4. 输入 import torch
5. 输入 torch.cuda.is_available()
6. 如果显示False，就说明我们这个PyTorch安装成功了

5. 安装PyCharm并进行配置
1. 下载PyCharm(https://www.jetbrains.com/pycharm/) – 可以使用迅雷下载
2. 如果想下载历史版本的话，
https://www.jetbrains.com/pycharm/download/other.html
3. 如果下载还是很慢的话，那就去视频简介下方进行下载
4. 配置合适的Python解释器（虚拟环境）

加餐-给下载的项目设置合适的虚拟环境
1. 利用PyCharm打开项目：File->Open
2. 配置对应的虚拟环境：File->Setting->Project->Python解释器，然后选择对
应的虚拟环境
3. 直接运行代码，右键->run
4. 如果提示某些包没有发现，大家可以用
1. Conda install 包名
2. Pip install 包名
3. 利用搜索引擎找找原因 – 包名不对，通道不对，或者其他原因
5. 可选-最好把requirements.txt文件的内容当作参考。有选择性的使用

加餐-如何下载安装旧版本PyTorch
旧版本PyTorch安装：https://pytorch.org/get-started/previous-versions/
Conda install pytorch==旧版本 torchvision==旧版本 torchaudio==旧版本 -c
pytorch【换成镜像通道】
我们可以利用conda search pytorch=版本 –c 镜像通道来验证镜像通道是否有这
个版本的Pytorch
Pip install torch==版本 xxxxx (对于>1.0版本）
Pip install 下载文件地址（对于<1.0版本）

土堆教程
Windows下安装PyTorch
GPU版本

计算机
Anaconda
Base 虚拟环境
pip
创建
管理
Python解释器
conda
pip
Package(tensorflow, pytorch,
cuda)
创建
管理
PyCharm
Python文件
配置
CPU
GPU
驱动（CUDA driver)

流程
1. 确定自己的硬件信息 – 确定电脑有英伟达（NVIDIA）显卡
3. 利用 conda 或者 pip 安装 PyTorch （坑最多的）
1. 确定自己安装的CUDA版本与GPU关系
2. 安装GPU版本 PyTorch
4. 下载安装/配置 PyCharm

• 官网 https://www.anaconda.com/
• 选择 Products -> Anaconda Distribution
• 点击 Download，可以下载最新版本
• https://repo.anaconda.com/archive/，可以下载到历史版本
• 安装路径最好全英文
1. 可以下载历史版本，距今一两年左右
2. 如果下载慢的话，可以右键复制地址，粘贴到迅雷上下载
3. 可以去视频简介下方找到安装包

1. 创建一个虚拟环境（比如叫 tuduipytorch)
• 利用 conda create 指令创建新的虚拟环境
• conda create –n 虚拟环境名字 python=版本
• 添加镜像加速
• conda create –n 虚拟环境名字 python=版本 –c 镜像地址
• 就使用base环境
镜像名用于创建环境镜像地址
删除虚拟环境：conda remove –n 虚拟环境名字 --all
持久添加通道：conda config --add channels 通道地址
删除通道：conda config --remove channels 通道地址

配置文件（包含通道地址）
-defaults
conda install xxx
conda create –n yyy
conda install xxx –c 通道地址
conda create yyy –c 通道地址
如何持久化添加/删除通道
• conda config --add channels 通道地址
• conda config --remove channels 通道地址
通道（channel），其实就相当于下载地址。
如何查看配置文件中有哪些通道？
• conda config --get
• conda config --show

算力，CUDA Driver Version, CUDA Runtime Version
1. 首先，确定自己显卡的算力 – 确定自己的显卡型号
2. 确定自己的可选择CUDA Runtime Version
3. 确保自己的 CUDA Driver 版本 >= CUDA Runtime 版本
硬件显卡
-算力
显卡驱动
-cuda driver
version
Cuda
runtime
version
Cuda runtime version <= cuda driver version
Cuda runtime version 支持显卡对应的算力

举例分析（相关表，请看视频简介下方）
1. 确定显卡型号
2. 确定显卡算力 6.1
3. 确定CUDA Runtime
4. 我们看自己的驱动 CUDA Driver Version – 11.6
5. 最终确定我们适用CUDA 9. 10. 11.0-11.6
# 对于30系列显卡，目前（2022.5）只有CUDA Runtime 11版本支持

简单操作
1. 安装显卡驱动最新版本 -
https://www.nvidia.cn/Download/index.aspx?lang=cn
2. 打开命令窗口，输入 nvidia-smi 来确定 cuda driver的版本 - （我的是11.6）
3. 打开PyTorch官网，确定CUDA Runtime 版本（我确定了是11.3）

CUDA Runtime适配的算力
CUDA SDK 1.0 support for compute capability 1.0 – 1.1 (Tesla)[29]
CUDA SDK 1.1 support for compute capability 1.0 – 1.1+x (Tesla)
CUDA SDK 2.0 support for compute capability 1.0 – 1.1+x (Tesla)
CUDA SDK 2.1 – 2.3.1 support for compute capability 1.0 – 1.3 (Tesla)[30][31][32][33]
CUDA SDK 3.0 – 3.1 support for compute capability 1.0 – 2.0 (Tesla, Fermi)[34][35]
CUDA SDK 3.2 support for compute capability 1.0 – 2.1 (Tesla, Fermi)[36]
CUDA SDK 4.0 – 4.2 support for compute capability 1.0 – 2.1+x (Tesla, Fermi, more?).
CUDA SDK 5.0 – 5.5 support for compute capability 1.0 – 3.5 (Tesla, Fermi, Kepler).
CUDA SDK 6.0 support for compute capability 1.0 – 3.5 (Tesla, Fermi, Kepler).
CUDA SDK 6.5 support for compute capability 1.1 – 5.x (Tesla, Fermi, Kepler, Maxwell). Last version with support for compute capability 1.x (Tesla).
CUDA SDK 7.0 – 7.5 support for compute capability 2.0 – 5.x (Fermi, Kepler, Maxwell).
CUDA SDK 8.0 support for compute capability 2.0 – 6.x (Fermi, Kepler, Maxwell, Pascal). Last version with support for compute capability 2.x (Fermi) (Pascal GTX 1070Ti
Not Supported).
CUDA SDK 9.0 – 9.2 support for compute capability 3.0 – 7.2 (Kepler, Maxwell, Pascal, Volta) (Pascal GTX 1070Ti Not Supported. CUDA SDK 9.0 and support CUDA SDK
9.2).
CUDA SDK 10.0 – 10.2 support for compute capability 3.0 – 7.5 (Kepler, Maxwell, Pascal, Volta, Turing). Last version with support for compute capability 3.x (Kepler). 10.2
is the last official release for macOS, as support will not be available for macOS in newer releases.
CUDA SDK 11.0 support for compute capability 3.5 – 8.0 (Kepler (in part), Maxwell, Pascal, Volta, Turing, Ampere (in part)).[37]
CUDA SDK 11.1 – 11.7 support for compute capability 3.5 – 8.6 (Kepler (in part), Maxwell, Pascal, Volta, Turing, Ampere).[38]

2. 在上一步创建的虚拟环境中安装PyTorch(安装PyTorch，需要安装pytorch, torchvision,
torchaudio三个包）
• 从官网（https://pytorch.org/）采用命令行下载
• conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
• 添加镜像源
• conda install pytorch torchvision torchaudio –c 镜像地址
• Conda install cudatoolkit=版本 –c 镜像地址
镜像名镜像地址 – pytorch, torchvision, torchaudio
清华镜像 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
北京外国语大学镜像 https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/win-64/
阿里巴巴镜像 http://mirrors.aliyun.com/anaconda/cloud/pytorch/win-64/
南京大学镜像 https://mirror.nju.edu.cn/pub/anaconda/cloud/pytorch/win-64/
镜像名用于创建环境镜像地址 - cudatoolkit

• 使用官网的命令
• 举例： pip3 install torch torchvision torchaudio --extra-index-url
https://download.pytorch.org/whl/cu113 （安装CUDA11.3的pip 指令）
• 本地安装
• 主要下载 pytorch/torch 这个包，下载地址在命令行中有提示
• 下载完成之后，使用pip install 下载文件地址来安装pytorch
• 使用原来命令行下载 torchvision torchaudio

4. 验证pytorch是否安装成功
1. 激活对应的虚拟环境（你安装Pytorch的虚拟环境）conda activate 虚拟环境名
2. 输入conda list，看有没有pytorch或者torch
3. 输入python
4. 输入 import torch
5. 输入 torch.cuda.is_available()
6. 如果显示True，就说明我们这个PyTorch安装成功了

5. 安装PyCharm并进行配置
1. 下载PyCharm(https://www.jetbrains.com/pycharm/) – 可以使用迅雷下载
2. 如果想下载历史版本的话，
https://www.jetbrains.com/pycharm/download/other.html
3. 如果下载还是很慢的话，那就去视频简介下方进行下载
4. 配置合适的Python解释器（虚拟环境）

加餐-给下载的项目设置合适的虚拟环境
1. 利用PyCharm打开项目：File->Open
2. 配置对应的虚拟环境：File->Setting->Project->Python解释器，然后选择对
应的虚拟环境
3. 直接运行代码，右键->run
4. 如果提示某些包没有发现，大家可以用
1. Conda install 包名
2. Pip install 包名
3. 利用搜索引擎找找原因 – 包名不对，通道不对，或者其他原因
5. 可选-最好把requirements.txt文件的内容当作参考。有选择性的使用

加餐-如何下载安装旧版本PyTorch
旧版本PyTorch安装：https://pytorch.org/get-started/previous-versions/
Conda install pytorch==旧版本 torchvision==旧版本 torchaudio==旧版本 -c
pytorch【换成镜像通道】
我们可以利用conda search pytorch=版本 –c 镜像通道来验证镜像通道是否有这
个版本的Pytorch
Pip install torch==版本 xxxxx (对于>1.0版本）
Pip install 下载文件地址（对于<1.0版本）

Configuration tutorial for pytorch environment under windows.pdf

Recommended

Recommended

More Related Content

Similar to Configuration tutorial for pytorch environment under windows.pdf

Similar to Configuration tutorial for pytorch environment under windows.pdf (20)

Configuration tutorial for pytorch environment under windows.pdf