Win10+Anaconda3+Cuda10.1+cuDNN+ pytorch1.8+Tesla v100搭建机器学习环境

本文主要是介绍Win10+Anaconda3+Cuda10.1+cuDNN+ pytorch1.8+Tesla v100搭建机器学习环境,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Windows10 + Anaconda3 + Cuda10.1 + cuDNN + tesla v100 + pytorch1.8 搭建机器学习环境

安装包准备

  • Tesla v100 驱动
  • Cuda 10.1
  • cuDNN 10.1
  • Anaconda

开始安装

1.安装Tesla显卡驱动

驱动下载地址:Official Drivers | NVIDIA

1)选择相应的型号下载

image-20220130192836185

image-20220130192853158

2)安装驱动

由于需要安装cuda10.1驱动文件选择了 427.60-data-center-tesla-desktop-win10-64bit-dch-international 该版本

image-20220130193449779

image-20220130193513748

​ 选择保持默认下一步,安装完毕重启电脑。

2.Cuda10.1

1)下载Cuda 10.1

CUDA下载地址:https://developer.nvidia.com/cuda-10.1-download-archive-base

image-20220130193303695

选择windows 10 x64系统版本,下载离线包。下载的包名是 cuda_10.1.105_418.96_win10 。

2)安装CUDA 10.1

image-20220130194025347

​ 如果不清楚自定义功能建议使用精简安装,此处为减少不必要软件的安装,选择自定义安装。

image-20220130194041987

image-20220130194257412

​ 建议把无关的驱动和软件取消勾选,然后点击下一步选择安装路径上建议保持默认,继续下一步开始安装。

3.CUDNN

1)下载cuDNN

​ cuDNN下载地址:NVIDIA cuDNN | NVIDIA Developer

进入cuDNN网站内,点击Download cuDNN,登录你的Nvidia账户,如果没有就注册一个。

image-20220130194852509

登录后,勾选同意协议,点击Archived cuDNN Releases

image-20220130195152136

选择相应版本的cuDNN并下载,可通过搜索快速确定版本,这里选择最新日期支持CUDA10.1的cuDNN进行下载。

image-20220130195409058

2)安装cuDNN

​ 解压下载好的cuDNN压缩包,进入cuda文件夹内,里面有三个文件夹和一个文本文件。

image-20220130195608814

image-20220130195742925

全选文件,复制到CUDA的文件夹下即可完成安装

默认CUDA的文件夹是:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

复制后的文件夹如下

image-20220130200003943

4.检查是否安装完成

进入 PowerShell 或者 CMD,输入命令 nvcc.exe --versionnvidia-smi.exe 即可检验是否完成以上步骤。

image-20220130200404308

5.Anaconda

1)安装 Anaconda

使用清华源下载Anaconda:Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

image-20220130200922067

安装过程保持默认即可,安装完成后在开始菜单中运行 Anaconda Prompt 即可使用Anaconda环境。

https://pytorch.org/get-started/previous-versions/

image-20220130201014524

image-20220130201143757

2)配置虚拟环境

新建python3.6的环境: conda create -n pytorch python=3.7

激活环境:conda activate pytorch

3) 更换下载源

更换清华源,加速下载

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

6.Pytorch

1)安装pytorch

查看 pytorch 历史版本安装:Previous PyTorch Versions | PyTorch

使用搜索快速定位到 Cuda10.1 ,复制命令

pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

回车等待安装完成!

2)检查Pytorch是否安装完成

输入 python 进入交互界面,导入 pytorch 库,检查 cuda 是否可用。

(base) PS C:\Windows\system32> conda activate pytorch
(pytorch) PS C:\Windows\system32> python
Python 3.7.11 (default, Jul 27 2021, 09:42:29) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()
True

总结

到此,所有安装工作已经完成。

这篇关于Win10+Anaconda3+Cuda10.1+cuDNN+ pytorch1.8+Tesla v100搭建机器学习环境的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/332571

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

搭建Kafka+zookeeper集群调度

前言 硬件环境 172.18.0.5        kafkazk1        Kafka+zookeeper                Kafka Broker集群 172.18.0.6        kafkazk2        Kafka+zookeeper                Kafka Broker集群 172.18.0.7        kafkazk3

安装nodejs环境

本文介绍了如何通过nvm(NodeVersionManager)安装和管理Node.js及npm的不同版本,包括下载安装脚本、检查版本并安装特定版本的方法。 1、安装nvm curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh | bash 2、查看nvm版本 nvm --version 3、安装

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学