win10下搭建CUDA、cuDNN深度学习环境

清疚 2022-11-17 10:05 358阅读 0赞

## 安装CUDA, cuDNN，搭建深度学习环境 ##

### 第零步：查看NVIDIA驱动版本号 ###

`cmd`中：

nvidia-smi

如果提示找不到该命令，是因为没有在`PATH`路径中，无法直接找到可执行文件`nvidia-smi`所在的位置，所以直接进入所在的文件目录执行该文件即可：

cd C:\Program Files\NVIDIA Corporation\NVSMI
    nvidia-smi

![查看NVIDIA驱动版本号][NVIDIA]  
如果对应的驱动版本太低（`e.g. < 400`），对应的`cuda`版本就越低，此时应该首先升级`NVIDIA`驱动，有两种方法升级：

> 1.  在电脑的驱动管理界面找到NVIDIA显卡驱动，直接右键升级驱动（**推荐，相比NVIDIA官网下载速度快**）  
>     ![更新显卡驱动][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNzUwOTcy_size_16_color_FFFFFF_t_70]
> 2.  到NVIDIA官网下载驱动升级工具：[https://www.nvidia.cn/geforce/drivers/][https_www.nvidia.cn_geforce_drivers]  
>     ![官网驱动升级工具][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNzUwOTcy_size_16_color_FFFFFF_t_70 1]  
>     下载完成安装，直接升级即可。

### 第一步：CUDA下载安装 ###

查看本机NVIDIA驱动版本及对应的cuda版本：

![NVIDIA驱动及cuda版本查询][NVIDIA_cuda]

找到对应的CUDA版本：

![cuda版本查询][cuda]

驱动对应的cuda版本查询：[https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html][https_docs.nvidia.com_cuda_cuda-toolkit-release-notes_index.html]

CUDA下载地址

> [https://developer.nvidia.com/cuda-toolkit-archive][https_developer.nvidia.com_cuda-toolkit-archive]

![版本对应][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNzUwOTcy_size_16_color_FFFFFF_t_70 2]

### 第二步：cuDNN下载安装 ###

【PS】cuDNN下载必须先在NVIDIA官网注册一个账号，登录之后才能下载，注册不是很麻烦。

注册成功后就能下载：[https://developer.nvidia.com/rdp/cudnn-archive][https_developer.nvidia.com_rdp_cudnn-archive]

找到对应的版本下载即可：  
![cuDNN下载][cuDNN]  
cuDNN下载后，将解压后的对应文件夹中的文件复制到 `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\版本号` 对应的文件夹下即可。

### 第三步：验证安装成功 ###

命令行输入：

nvcc -V

出现对应的CUDA信息说明安装成功。

进入：`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\版本号\extras\demo_suite`，`shitf`\+鼠标右键 在此处打开 `powershell` ，输入`bandwidthTest.exe` （输入前面的几个：band再Tab即可补全），enter运行，出现一大堆提示信息，显示`PASS`及安装成功。

> 【PS】如果以上安装都是选择的默认路径，不需要另外添加环境变量。

### 补充：Tensorflow安装 ###

> 【注意！！！】`cuda`和`cuDNN`的版本必须和`tensorflow`的版本对应，否则会提示找不到对应的`.dll`文件，`tensorflow`官网提示如下：  
> ![tensorflow版本对应][tensorflow]

查看Tensorflow-gpu对应的cuda, cuDNN 版本：[https://www.tensorflow.org/install/source\_windows\#gpu][https_www.tensorflow.org_install_source_windows_gpu]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNzUwOTcy_size_16_color_FFFFFF_t_70 3]

### 方法二（强烈推荐使用该方法！！！）：直接在创建的虚拟环境中通过命令安装 ###

conda activate test
    conda install cudatoolkit=10.1
    conda install cudnn=7.6
    pip install tensorflow==2.3

> 【PS】使用配置文件创建新的虚拟环境

1.  使用配置文件创建新的虚拟环境：`env.yml`

name: xxx
    dependencies:
      - python=3.x
      - pip
      - matplotlib
      - graphviz
      - notebook
      - pip:
          - xxx
    
    # name: ebrn
    # dependencies:
    #   - python=3.8
    #   - pip
    #   - Pillow
    #   - matplotlib
    #   - graphviz
    #   - notebook
    #   - cudatoolkit=10.1
    #   - cudnn=7.6
    #   - pip:
    #       - tensorflow-gpu==2.3.0
    #       - pydot
    #       - pydotplus

在`Anaconda Prompt`中运行：

# 必须在env.yml所在路径下执行，否则给出env.yml的绝对路径
    conda env create -f env.yml

1.  先创建好相应的虚拟环境，然后将所需要的依赖放入到`env.txt`中

`env.txt`文件内容如下：

# 不写版本号默认安装最新的版本
    
    matplotlib==版本号
    Pillow==版本号
    PyQT5
    numpy

conda create -n test（虚拟环境名字） python=版本号（e.g. 3.8） cudatoolkit=版本号（e.g. 10.1） cudnn=对应版本号（e.g. 7.6）
    
    activate test
    pip install -r env.txt

--------------------

### 扩展：Anaconda中常用命令（持续更新中…） ###

#### 1. 创建新的虚拟环境 ####

#### 2. 更改默认的安装源 ####

> 方法1：使用命令进行修改

# 查看当前使用源
    conda config --show-sources
    
    # 添加其他镜像源
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
    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
     
    # 设置搜索时显示通道地址
    conda config --set show_channel_urls yes
    
    # 删除配置源，还原为默认的镜像源
    conda config --remove-key channels

> 参考1：[Anaconda 国内镜像源整理][Anaconda]  
> 参考2：[Anaconda换源和恢复默认，解决失效问题][Anaconda 1]

> 方法2：直接在个人配置文件中修改`.condarc`

![通过配置文件进行修改][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNzUwOTcy_size_16_color_FFFFFF_t_70 4]

show_channel_urls: true
    channel_priority: flexible
    
    channels:
      - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
      - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/

添加只需将配置写进去即可，还原为默认的只需将对应的项注释。

参考清华源官网介绍：[https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/][https_mirrors.tuna.tsinghua.edu.cn_help_anaconda]

#### 3. 删除虚拟环境 ####

conda remove -n 虚拟环境名 --all

> 参考1：[https://blog.csdn.net/m0\_52571323/article/details/110222966][https_blog.csdn.net_m0_52571323_article_details_110222966]  
> 参考2：[https://blog.csdn.net/shuiyixin/article/details/99897640][https_blog.csdn.net_shuiyixin_article_details_99897640]

[NVIDIA]: /images/20221022/e9efa4858d3a4bfca07d0eadc9513cd0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNzUwOTcy_size_16_color_FFFFFF_t_70]: /images/20221022/70704954a0f34bd287166f288f393b7b.png
[https_www.nvidia.cn_geforce_drivers]: https://www.nvidia.cn/geforce/drivers/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNzUwOTcy_size_16_color_FFFFFF_t_70 1]: /images/20221022/04d315907e604951976cea24eee525e0.png
[NVIDIA_cuda]: /images/20221022/130faf336b324ac3b5a2e052519bf0e5.png
[cuda]: /images/20221022/9233106c4a58494a90456323668d96fb.png
[https_docs.nvidia.com_cuda_cuda-toolkit-release-notes_index.html]: https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
[https_developer.nvidia.com_cuda-toolkit-archive]: https://developer.nvidia.com/cuda-toolkit-archive
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNzUwOTcy_size_16_color_FFFFFF_t_70 2]: /images/20221022/a80251ced844492aa5e41b4287e8b58a.png
[https_developer.nvidia.com_rdp_cudnn-archive]: https://developer.nvidia.com/rdp/cudnn-archive
[cuDNN]: /images/20221022/89ac2bad29844a9bb9d6b3226674e77e.png
[tensorflow]: /images/20221022/867f3ac8459d45c5b40a0b3bbc96dfba.png
[https_www.tensorflow.org_install_source_windows_gpu]: https://www.tensorflow.org/install/source_windows#gpu
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNzUwOTcy_size_16_color_FFFFFF_t_70 3]: /images/20221022/4903741b14d244cb9ba9b2add8d4f5ab.png
[Anaconda]: https://blog.csdn.net/brazy/article/details/88544505?utm_medium=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromMachineLearnPai2~default-1.control&dist_request_id=&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromMachineLearnPai2~default-1.control
[Anaconda 1]: https://blog.csdn.net/zhankai1122/article/details/95861918
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNzUwOTcy_size_16_color_FFFFFF_t_70 4]: /images/20221022/af6c337c0c8846f792019386eefc5852.png
[https_mirrors.tuna.tsinghua.edu.cn_help_anaconda]: https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
[https_blog.csdn.net_m0_52571323_article_details_110222966]: https://blog.csdn.net/m0_52571323/article/details/110222966
[https_blog.csdn.net_shuiyixin_article_details_99897640]: https://blog.csdn.net/shuiyixin/article/details/99897640