当前位置：首页 > news >正文

Windows下安装配置深度学习环境

news 2025/6/30 5:32:06

Windows下安装配置深度学习环境

1. 准备工作

1.1 环境准备

操作系统：win10 22H2
GPU：Nvidia GeForce RTX 3060 12G

1.2 安装Nvidia驱动、cuda、cuDNN

下载驱动需要注册并登录英伟达账号。我这里将下面用到的安装包放到了百度网盘，可以关注微信公众号思享云栈回复deeplearning获取。

到NVIDIA驱动程序下载并安装适合你显卡的最新驱动，我这里下载的安装包版本为555.85-desktop-win10-win11-64bit-international-dch-whql.exe，双击进行安装即可。

Windows下安装后路径为：C:\Program Files\NVIDIA Corporation

1.3 安装CUDA Toolkit

官网查看CUDA版本与驱动版本的配套关系，部分截取如下：

到CUDA下载界面下载CUDA安装程序。我这里下载安装CUDA Toolkit 11.8，满足配套关系，下载后的安装包为cuda_11.8.0_522.06_windows.exe，傻瓜式安装即可。

Windows下安装后路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8

Windows下会自动添加环境变量配置：

CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8

打开cmd命令行，通过nvcc -V进行验证安装：

>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:41:10_Pacific_Daylight_Time_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0

1.4 安装cuDNN

到cuDNN下载界面下载cuDNN，安装包为zip。

我这里下载安装cuDNN 8.9.7 for CUDA 11.x，下载界面会有说明cuDNN与cuda的配置关系。

下载完成后，将压缩包解压。解压后会得到包含bin, include, 和 lib目录的文件夹。

将解压后的对应目录文件复制到你的CUDA对应安装目录中。假设你的CUDA安装目录是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8。使用命令行拷贝执行以下操作：

copy cudnn-windows-x86_64-8.9.7.29_cuda11-archive\bin\* "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin"
copy cudnn-windows-x86_64-8.9.7.29_cuda11-archive\include\* "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include"
copy cudnn-windows-x86_64-8.9.7.29_cuda11-archive\lib\x64\* "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64"

备注：

cmd命令行需要使用管理员身份打开。

也可以手动进行拷贝。

2. 安装anaconda

访问 Anaconda官网下载适用于windows的Anaconda安装包，按照提示完成安装，安装过程中建议“将Anaconda添加到系统环境变量中”勾选。

安装后通过windows搜索打开Anaconda Prompt，执行如下命令添加清华镜像源：

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

关于anaconda安装的详细细节可以参考我的另外一篇博客，《anaconda的安装和使用》。

3. 安装Pytorch

创建conda虚拟环境：

conda create --name dl-env python=3.10
conda activate dl-env

在PyTorch官网选择当前环境的配套信息，获取到安装命令：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

注意：

如果conda环境安装操作下遇到权限问题，可以尝试使用管理员身份运行Anaconda Prompt。

4. 验证安装

# 启动python解释器
python

# 导入PyTorch并检查CUDA可用性
import torch
print(torch.__version__)  # 打印PyTorch版本
print(torch.cuda.is_available())  # 检查CUDA是否可用
if torch.cuda.is_available():
    print(torch.cuda.get_device_name(0))  # 打印GPU名称

或者执行如下命令检查：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0)) if torch.cuda.is_available() else None"

返回如下说明安装成功：

2.3.0
True
NVIDIA GeForce RTX 3060

本文由 mdnice 多平台发布