windows安装tensorflow和pytorch

gpu驱动下载地址:https://www.nvidia.cn/Download/index.aspx?lang=cn
cuda下载地址:https://developer.nvidia.com/cuda-toolkit-archive
cudnn下载地址:https://developer.nvidia.com/rdp/cudnn-archive

  • 安装GPU驱动
    在英伟达官网下载显卡型号对应的驱动,安装后打开cmd输入nvidia-smi会显示显卡信息,查看cuda version的版本

  • 安装cuda toolkit
    下载小于等于之前查到cuda版本的安装包进行安装,默认安装即可

  • 安装cudnn
    下载和cuda版本对应的cudnn,将压缩包解压后,将bin、include、lib三个文件夹拷贝到cuda安装路径，默认在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6目录下,和原有的bin、include、lib目录合并即可

安装tensorflow-gpu版

  • 安装

    pip install --upgrade pip
    pip install tensorflow-gpu
    # 将cuda程序添加到环境变量, 可以先查看环境变量有没有, 没有在添加
    SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin;%PATH%
    SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\CUPTI\lib64;%PATH%
    SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include;%PATH%
    SET PATH=C:\tools\cuda\bin;%PATH%

  • 验证安装

    import tensorflow as tf

    tf.test.is_gpu_available()  # 输出为True,即成功
    a = tf.constant(2.)
    b = tf.constant(4.)
    a * b

安装pytorch

  1. 安装pytorch的gpu版

    官网下载地址:https://pytorch.org/get-started/locally/
    image

    • 使用conda安装时最好指定虚拟环境的路径和python版本,否则容易安装到conda默认的base环境下,python版本被升级,加上--prefix 虚拟环境的路径或-p 路径参数指定路径
    • 例如:
      cuda版本11.6
      安装命令为：conda install -p d:/envpath pytorch torchvision torchaudio pytorch-cuda==11.6 python==3.9.13 -c pytorch -c nvidia
      安装过程比较耗时,根据个人电脑性能、网络时长不定。如果使用国内conda源安装最好不要使用最新版,有可能还没同步,建议比官方最新

  2. 验证gpu安装

    import torch
    # 查看pytorch的版本,输出安装的版本号没有＋cpu字样
    print(torch.__version)

    # 检查是否可以使用gpu,输出为True即可使用gpu
    print(torch.cuda.is_available())

    # 检查cuda版本
    print(torch.version.cuda)

    # 获取可用gpu个数
    print(torch.cuda.device_count())

    # 获取gpu属性
    print(torch.cuda.get_device_properties('cuda:0'))

    # 获取gpu名称
    print(torch.cuda.get_device_name('cuda:0'))