Python环境+CUDA+CUDNN+PyTorch安装指南：Windows版

2022-11-11 23:12:37

在 Windows 上为深度学习之旅做好准备：安装 Python、CUDA、CUDNN 和 PyTorch

开启深度学习之旅的第一步是配置您的开发环境。在 Windows 系统上，您可以轻松地安装 Python、CUDA、CUDNN 和 PyTorch，它们是深度学习的基本工具。

1. Python 环境

开始之前，请确保您已安装 Python 3.x。访问 Python 官网下载最新版本并按照安装向导进行操作。别忘了将 Python 添加到 PATH 环境变量，以便在命令提示符中轻松使用它。

2. CUDA 安装

下一步是安装 CUDA，NVIDIA 的计算统一设备架构。转到 NVIDIA 官网下载与您的显卡兼容的 CUDA 版本。运行安装程序并选择“自定义安装”。确保选中“Visual Studio Integration”选项，以便 CUDA 与您的开发环境集成。

3. CUDNN 安装

CUDNN 是 NVIDIA 为深度学习优化的库。前往 NVIDIA 官网下载与您的 CUDA 版本相对应的 CUDNN 版本。解压 CUDNN 文件夹，并将所有文件复制到 CUDA 安装目录下的“bin”和“include”文件夹。

4. PyTorch 安装

最后，安装 PyTorch，一个用于深度学习的流行框架。从 PyTorch 官网下载与您的 Python 版本兼容的 PyTorch 版本。再次选择“自定义安装”并确保选中“CUDA”和“CUDNN”选项。

5. 验证安装

安装完成后，验证您的设置是否成功。打开命令提示符或终端并输入以下命令：

python -c "import torch; print(torch.cuda.is_available())"

如果输出为 True，则表示 PyTorch 已成功安装并可以与您的 GPU 配合使用。

代码示例：

安装 PyTorch

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116

使用 PyTorch 创建和训练一个简单的神经网络

import torch

# 创建一个简单的神经网络
model = torch.nn.Linear(1, 1)

# 定义损失函数和优化器
criterion = torch.nn.MSELoss()
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

# 训练神经网络
for epoch in range(1000):
    # 前向传播
    outputs = model(input)

    # 计算损失
    loss = criterion(outputs, target)

    # 反向传播
    loss.backward()

    # 优化模型参数
    optimizer.step()