Win10+RTX3060配置CUDA等深度学习环境

• 1、下载准备
• 2、下载安装Anaconda
• 3、下载安装CUDA和CUDNN
• • 3.1 cuda和cudnn下载
  • 3.2 cuda和cudnn安装
• 4、安装GPU版pytorch与TensorFlow
• • 4.1 下载
  • 4.2 安装

  1、下载准备

  相关的安装包比如Anaconda、CUDA、CUDNN、Pytorch、TensorFlow等都可以在 python环境配置相关链接 找到相应版本下载。这里所有的库都是下载到本地后再安装的。

  • 选择CUDA版本，在NVIDIA控制面板可以看到RTX3060驱动目前最高支持CUDA 11.2版本
    
    实测目前RTX3060不支持CUDA 11以下版本，会报错：cuda的算力要支持你的显卡算力。

  版本对应关系：

  • 显卡驱动、算力、cuda版本等查看 CUDA发行文档说明
  • torch与torchvision版本对应
  • TensorFlow相关版本对应

  2、下载安装Anaconda

  这个很简单，不会的自己看参考链接 anaconda安装
  另外可以在anaconda prompt添加国内源（这里是清华源）,下载相关库速度更快。

  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/pkgs/free/
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
  conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  # 搜索时显示通道地址
  conda config --set show_channel_urls yes
  3、下载安装CUDA和CUDNN
   
  3.1 cuda和cudnn下载
   
   
  要先下载Visual studio,才可以安装CUDA，安装vs随便选几个就好。
   
   
   
  进入CUDA官网下载CUDA，这里我下的是CUDA11.1.1版本的。
   
   
   
  开始下载，共3.1G。需要花点时间，这边可以先去下载好cudnn。
   
   
   
  cudnn下载
       cuda可以看做是一个工作台，而cudnn是基于cuda的深度学习加速库，想要在cuda上深度学习加速必须安装cudnn。
       进入cudnn官网，下载cudnn需要登录，没有账号的根据官网提示注册下，很快的。我是直接用qq登录的。登录进去后选择相应版本下载，共661MB
   
   
   
  3.2 cuda和cudnn安装
   
  双击下载好的cuda应用程序，
   
   
  然后是建立一个临时文件，点ok就好，安装好会自动删掉。
   
  这里因为之前下载了vs，所以自定义可以不选vs，但我测试了直接选择精简的（全部安装），也没报错（如果这里的新版本号小于当前版本号，那一定要把这个勾去掉。否则会安装失败(相同或大于的话，就不用去勾了）。
   
  默认安装到c盘就好的，也占不了多大空间
   
  安装好后，打开下载好的cudnn文件夹，发现里面有三个子文件夹，将文件夹里面包含的的文件（如下图）分别复制到C盘安装目录的对应文件夹里
   
   
   
   
   以bin为例，复制到CUDA下面对应的文件夹,include和lib也类似。
   
  重启电脑。
   
  4、安装GPU版pytorch与TensorFlow
   
  4.1 下载
   
  我是习惯下载到本地进行安装的，也可以去pytorch官网根据命令然后在anaconda下载但容易中断出错。，而且速度也很慢，不建议。
   
   
  pytorch
   在https://download.pytorch.org/whl/torch_stable.html找到与当前python对应的版本pytorch以及torchvision版本，下载到本地。
   
   
  TensorFlow
   在http://pypi.doubanio.com/simple/tensorflow下载TensorFlow gpu版
   
   
  其他需要的库可以在https://www.lfd.uci.edu/~gohlke/pythonlibs/下载好。
   
   
  4.2 安装
   
  打开Anaconda Prompt，，这个前面也有教程链接。。。
   
   
  根据需要创建虚拟环境：conda create -n 虚拟环境名 python=python版本，例如
   
  conda create -n py38 python=3.8
  激活环境：activate 虚拟环境名,例如
   
  activate py38
  以上面步骤为例新建了一个虚拟环境py38，python版本也就是3.8。根据python版本下载好了相应的安装包到本地。可以去pytorch官网查看pytorch适不适配cuda。
   
   
  3.在anaconda prompt输入命令：pip install +文件路径\文件名
   比如安装pytorch输入命令：
   
  pip install D:\python\Win10-CUDA11\py38\torch-1.8.1+cu111-cp38-cp38-win_amd64.whl
  
   有的包安装是有先后顺序的，没按顺序会报错。比如要先装tensorflow再装keras
   
  （1）测试
   a.在终端输入nvcc -V就可以看到cuda版本，输入nvidia-smi可以看到显卡驱动版本、支持的最高cuda版本、显卡使用情况。
   b.检查pytorch以及TensorFlow能否使用cuda和gpu可以用下面代码进行测试
   
  import torch
  import tensorflow as tf
  print(torch.__version__)
  print(torch.cuda.is_available())
  print(torch.zeros(1).cuda())
  print(tf.test.is_built_with_cuda())
  print(tf.test.is_gpu_available())
  （2）安装过程中遇到了这个问题，解决办法参考https://blog.csdn.net/weixin_43760844/article/details/115706289
   
   
  （3）最终环境
   系统：window 10
   显卡：RTX3060
   CUDA版本：11.1.1
   cuDNN版本：8.1.1 （适用于CUDA11.0、11.1、11.2）
   python版本：3.8
   pytorch版本：1.8.1
   TensorFlow版本：2.4.1
   Keras版本：2.4.3
                                      我的RTX3060显卡部署Pytorch深度学习环境步骤与心得，深度学习框架使用的是Pytorch，操作系统Windows 10。
  大家知道深度学习环境的配置并不是一件简单的事，因为需要使用显卡的GPU进行运算。而30系显卡的配置又有些许的不同，其对应的各类环境、插件、库的版本有自己的要求。经过摸索，分享一下步骤和心得，跟着走小白也能一样无压力地配置环境。其他30系显卡也一样可以参考。由于大部分计算是在GPU端进行，深度学习对CPU要求没这么高，只要不是太离谱都能胜任。
  显卡：RTX 3060，显存12G
                                      目录Q:在PC上安装TwinCAT试用版？.......................................2Q:Twincat安装后切换本地到运行模式导致系统蓝屏？....................2Q:qq2013版会导致twincatRUN时蓝屏？..............................2Q:双核笔记本电脑实时性不准的解决办法................
                                      工作中遇到，简单整理理解不足小伙伴帮忙指正对每个人而言，真正的职责只有一个：找到自我。然后在心中坚守其一生，全心全意，永不停息。所有其它的路都是不完整的，是人的逃避方式，是对大众理想的懦弱回归，是随波逐流，是对内心的恐惧 ——赫尔曼·黑塞《德米安》
                                      RTX3060+Win10+cuda11.1+cuDNN8.0.4+Libtorch1.9.0+Opencv3.4.6+VS2019深度学习C++配置0前言1检查显卡2下载、安装cuda11.1.02.1下载cuda11.1.02.2安装cuda11.1.03下载、配置cuDNN8.0.43.1下载cuDNN8.0.43.2配置cuDNN8.0.44确认cuda是否安装成功5下载、安装Visual Studio20195.1下载VS20195.2安装VS20196下载Opencv3.4.67下载Libtor
                                      一般不建议直接安装最高版本的CUDA，因为如果后续使用PyTorch或TensorFlow，95%的情况下是不兼容的（咱就是说稳定的总比最新的好）创建环境，环境名为mypytorch，可自己改想要的名称，也可以选择3.8版本的python。解压后,将cudnn目录下的文件对应放在cuda目录，即。安装cudatoolkit，目前最新的版本为11.3.1。如果你还有TensorFlow的安装需求的话，也可在。前提最好仔细看，看了不一定有用，但不看一定没用！（3）觉得不保险，还可以去看一下环境变量有没有。
                                      #3060显卡下CUDA+CUDNN+Paddle安装的血泪史
  新电脑下3060显卡安装GPU版本的paddle环境遇到的坑，一路下来，遇到的报错有：1.CUDA程序安装失败怎么办？ 2. （CUDA capability sm_86 is not compatible）显卡算力不支持7.5怎么办？  3.输入nvcc-v报错怎么办？什么原因？
  装这个CUDA，我真的是裂开，遇到各种各样的问题。
  主要我归纳下：
  1.3060的不支持cuda10系列了，因为cuda10的算力是7+，30系列需要的显卡算力是8
                                      深度学习用什么显卡?3060显卡适合深度学习吗?都知道深度学习很吃显卡，显存越大，可以缓存的内容就越多。对于非常吃显存的图像类深度学习程序来说，显存太小的显卡批处理就不能调太大，否则会程序会报错。......