引言

在項目的過程中，經常需要復現大牛的代碼。而很多代碼是針對gpu而言的，所以還在cpu環境下跑代碼的人們就會比較頭痛。這個時候一般會有兩種方法：第一種就是嘗試將gpu版本的源代碼修改成cpu版本。這種方法有時候很湊效，就像下面只需要簡單的修改幾行命令即可實現從gpu環境到cpu環境的跨越，或者只是將帶有cudnn（gpu加速）的一些命令去掉即可：

import torch
from torch.autograd import Variable

# 將變數或者數據轉移至GPU
gpu_info = Variable(torch.randn(3,3)).cuda()
# 將變數或者數據轉移至CPU
cpu_info = gpu_info.cpu()

但是有很多時候，一些模塊自帶的命令只支持使用cudnn（見下圖）：

強行修改就會無情報錯

這個時候修改成cpu環境可能就需要花很多的時間了，而且如果python功底不強並且對源代碼沒有足夠的了解根本就改不動（這裡指的功底在我看來一般都是計算機出身的大牛了），而且很大概率會改到最後得出一個結論：在這個項目里cpu版本和gpu版本不兼容！總而言之，一昧的想繞過gpu版本有時候真的是行不通的??（這裡作為小白的我深有體會，改到最後才發現此路不通…當然這裡的改動一般都指的是微改）。這個時候呢我們就只好踏踏實實的尋求配置gpu環境：即需要配置cuda和cuDNN。（所以才有了這篇文章，??）

正題（環境配置）

環境

  • 電腦：聯想小新Air 13 pro
  • CPU：i5 ，4G運行內存
  • 顯卡：NVIDIA GeForce 940MX，2G顯存
  • 系統：windows10 64位系統
  • 軟體：Anaconda 5.3.0 python 3.6.6

一.使用Anaconda建立虛擬環境

為什麼要使用Anaconda建立虛擬環境呢？是因為虛擬環境之間是獨立開來的，假如你需要下載同一個模塊的不同版本，這個時候就可以下載到不同的虛擬環境裡面，例如主環境的python版本為3.6，你可以創建一個虛擬環境下載python3.5，這樣是不會起衝突的（劃重點：虛擬環境之間的python版本可以不同）。如果有一天你的虛擬環境被裝得很亂的時候，可以直接將這個虛擬環境刪除，這樣是不會對主環境造成影響的，所以非常的方便。

1.首先在「運行欄」（鍵盤同時按win+R）,框中輸入字母：cmd 按回車鍵打開以下界面（我只是把cmd背景調成了白色，跟你們那個黑色的是一樣的）：

2.然後輸入：

conda info –e

顯示截至目前你所安裝的環境：

這裡可以看到我已經安裝了三個環境，如果你們還沒安裝過其他環境的這裡只會顯示「base」那一行，意味著主環境。

3.接著輸入（創建虛擬環境）：

conda create –name DL-gpu python=3.6 anaconda

這條命令的意思是創建一個名為「DL-gpu」（這裡是可以根據你的習慣更改的），python版本為3.6的虛擬環境，添加「anaconda」會幫助用戶在創建虛擬環境的同時下載一些常見的模塊（如NumPy，Pandas）。

如果期間碰到出現：Proceed([y]/n)? 就輸入y並按回車。

4.安裝成功之後就可以輸入：

activate DL-gpu

啟動anaconda環境了（如果你換了虛擬環境名，就輸入activate + 你的虛擬環境名字）：

當命令提示符前面出現虛擬環境名字，就說明已經是在該虛擬環境下工作。

如果需要退出虛擬環境，則輸入：

deactivate

回到主環境（base環境）

二.下載CUDA+cuDNN

Pytorch、TensorFlow等深度學習框架主要是通過NVIDIA提供的CUDA和cuDNN來存取GPU的，所以我們需要安裝CUDA和cuDNN

1.首先確認顯卡是否支持CUDA。

查看在菜單欄輸入「系統信息」：

打開之後找到「組件」→「顯示」就可以看到顯卡名稱。

再從英偉達官網裡面找到「CUDA-Enabled GeForce Products」尋找有沒有自己對應的顯卡型號，如果有才能下載。

2.安裝CUDA

我下載的是CUDA10.0，如果想要下載其他版本可以參照【Licko的深度好文】

首先打開CUDA的下載鏈接，根據電腦的屬性點擊如下：

其中如果下載方式選擇exe[network]，安裝的時候則需要連網（需要網路穩定）。如果選擇exe[local]，下載的時候則是把整個CUDA安裝包下載到本地再進行安裝。這裡我選擇第一種方式。

下載完之後打開：

點擊ok，等檢查系統兼容性之後頁面如下：

接下來操作過程如下：點擊「同意並繼續」→許可協議選擇「接受」→ 安裝選項選擇「精簡（E）」 →選項在I understand…那裡打「√」→ 安裝選擇點擊「下一步」即可。

3.安裝cuDNN

打開cuDNN官網，點擊「Download cuDNN」：

接著加入會員並且登錄下載即可，CUDA10.0對應的cuDNN版本我下載的是cuDNN7.4。

【劃重點】如果嫌下載麻煩的可以到下面的網盤鏈接自取CUDA10和cuDNN7.4的壓縮包文件，提取碼是：wntr。如果失效的話就按上面的下載步驟到官網下載就好了。

https://pan.baidu.com/s/15BCjYV5jaiapNfJ9i9IgXA?

pan.baidu.com

4.下載完之後將壓縮包裡面的文件夾「cuda」解壓，文件夾裡邊有有一個「bin」文件，裡面存有「cudnn64_5.dll」文件。

加入存有該文件的路徑地址「D:cuda&cuDnncudain」到Path環境變數中。

首先在桌面右鍵點擊「我的電腦」→「屬性」→「高級系統設置」：

→「環境變數」→雙擊「Path」→「新建」→把存有「cudnn64_5.dll」文件的路徑加上：

最後點擊確定即可。

三.安裝pytorch穩定版1.0

1.首先來到pytorch官網，滑到下面的安裝選項里根據自己電腦環境點擊：

就可以找到屬於該環境的安裝命令：

conda install pytorch torchvision cuda100 -c pytorch

這裡我嘗試過pip和conda下載，個人建議使用conda安裝一步到位。如果出現Proceed([y]/n)? 就輸入y並按回車。安裝界面如下：

這裡強烈建議到一個網路較穩定的地方下載！我一開始下載的地方因為網路不穩定，幾次嘗試使用pip和conda下載都報錯，有一次下載到93%時報錯，當移動到網路較穩定較快的地方之後使用conda下載終於成功。（這裡我看了許多貼子，因為下載時間比較長，很多人下載過程中也經常報錯，但幾個下載源反覆嘗試一般就可以成功。）

2.最後安裝完成後輸入：

conda list

顯示已安裝模塊

就可以找到pytorch模塊了

3.同時我們可以在安裝了pytorch的虛擬環境下輸入：python 打開python，並運行：import torch 載入該模塊（劃重點：載入pytorch這裡使用的是import torch 不是import pytorch）

如果沒有報錯就說明載入成功了。

4.接下來輸入：

torch.cuda.is_available()

查看cuda是否可用

顯示Ture就是大功告成了，就開始pytorch的gpu之旅了。

附加：上面所述的創建虛擬環境還可以使用以下途徑：假如你有環境A，你只是需要嘗試新建一個類似的虛擬環境B安裝某一個模塊，這個時候你就可以輸入：

conda create -n B--clone A

去複製一個與環境A一樣的虛擬環境B，再在環境B里下載你想要的模塊。如果想要對虛擬環境進行重命名可以參照這裡：（jianshu.com/p/7265011ba）

總結:因為我的電腦是超極本，很薄所以總是感覺它很脆弱，對它倍加呵護，一些稍大的數據都不願意在電腦上親測（一旦把電腦跑崩了心態可能也就崩了，樓主比較玻璃心）。所以我覺得使用gpu環境運行代碼也會對電腦比較損，找了很多資料，其中【Licko的深度好文】有個gpu筆記本的親測，看完之後才放下了很多顧慮，大膽地把爪子伸向gpu的配置。但是大家在使用GPU的時候還是得對自己的電腦有所了解。

參考資料：

zhuanlan.zhihu.com/p/38

zhuanlan.zhihu.com/p/31

《Tensorflow+Keras深度學習人工智慧實踐應用》——林大貴


推薦閱讀：
相关文章