低配 Win10 部署 PyTorch-GPU 深度学习环境（Win10+mx150+CUDA10.2）

本文最后更新于：2021年4月9日 下午

# 低配 Win10 部署 PyTorch-GPU 深度学习环境（Win10+mx150+CUDA10.2）

0x00 写在前面

本文可能不适用于所有人，只是作为我自己的一次记录，完文时间是2020.7.14，一直存在本地没找时间发布，时隔4月直至今天才发。文章大致分为四部分：我的配置、安装 CUDA 、安装 cuDNN 和安装 PyTorch ，只希望读者读完之后能省时间，少踩坑，愿君有所获。

我的配置清单

笔电型号配置: 小米Pro（2018版8G+256G原配固态+256G自加固态）

OS: Win10 Pro Education 64-bit（家庭版应该也差不多）

GPU: GeForce MX150

使用Anaconda进行python包管理

提前装好 Visual Studio 2015或以上版本（community即可）

探探情况

先去PyTorch官网看看最新稳定版支持什么

image-20200714175513350

可以看到它支持Windows系统，且当你用conda来管理python包时，使用GPU训练CUDA可选的版本是9.2、10.1、10.2

如果使用CPU训练那么可以选择none，不使用CUDA加速。

虽然MX150真的很辣鸡，但我这里选择的版本依然还是GPU版。

下面是详细步骤，按我步骤来包你1h搞定（此处使用了夸张的修辞手法）。

0x01 安装CUDA

查看支持的CUDA版本

更新好驱动后就查看你的驱动所支持的CUDA版本

打开NVIDIA控制面板->帮助->系统信息->组件

查看支持版本。

image-20200714173403609

如果发现版本不够高的话可以选择其他版本，如CUDA10.1，大致的流程也是类似的。

或者可以选择更新驱动到最新版本，我这里驱动更新到最新版时对应的CUDA版本恰好为10.2。

更新驱动

将显卡驱动升级到最新版本（我的驱动程序版本是442.50）

可以去NVIDIA官网下载更新，也可以用驱动精灵检测更新。之前装tensorflow时找配适的驱动在官网装感觉有点麻烦，所以这次我直接用驱动精灵装，一路按提示安装就行了，感觉比较省事。（驱动精灵用完就可以卸载了，就一工具软件。）

下载对应版本的CUDA

到官网下载CUDA10.2

随便点一个都可以下载，这里建议选择下载到local，使用第三方下载器估计会比较快。

对Windows用户来说，大多数深度学习框架底层是基于C/C++开发的，需要提前装好 Visual Studio 2015或以上版本。

下载好后点击exe文件，也是一路按提示安装就完事儿。

安装验证

在命令行输入

nvcc -V

如果输出结果如下图所示返回CUDA版本号10.2，说明安装成功。

image-20200714182810649

0x02 安装cuDNN

下载安装

进入官网登录后下载cuDNN v7.6.5 for CUDA 10.2

image-20200714183949020

这一步选择对应的CUDA版本即可，我选择cuDNN Library for Windows 10，下载后得到一个zip压缩包，里面包含了bin、include、lib三个文件夹，解压，把各个文件夹里的文件放到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA下同名的文件夹，配置好环境变量即可。

如果前面没有自定义安装路径，按照默认则需要添加下面两个路径：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64

安装验证

在路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite下打开命令行输入

./bandwidthtest.exe

得到下图的结果说明安装成功

image-20200714205713708

此外，还可以添加C:\Program Files\NVIDIA Corporation\NVSMI\到系统变量中，查看显卡使用情况时就可以直接在命令行输入

nvidia-smi

得到显卡使用情况

image-20200714214650508

0x03 安装PyTorch

Anaconda换源

如果不换源会下载龟速以至于不能实现1h内搞定这个教程，这里我用了清华的源。

打开Anaconda Prompt

先创建一个命名为pytorch_gpu的python版本为3.6的环境

conda create -n pytorch_gpu pip python=3.6

激活pytorch_gpu环境

conda activate pytorch_gpu

查看Anaconda配置

conda config --show

添加清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

设置搜索时显示通道地址

conda config --set show_channel_urls yes

然后在PyTorch官网那里复制conda的命令

conda install pytorch torchvision cudatoolkit=10.2 -c pytorch

把其中的 -c pytorch去掉

在命令行中输入

conda install pytorch torchvision cudatoolkit=10.2

上面所有步骤中需要下载的话输入y回车就好。

等待下载完成。

PyTorch安装验证

运行简单的样例代码测试，例如打印出随机生成的张量矩阵，以及gpu是否可以使用。

首先在命令行输入python，进入python的解释器，依次输入以下命令，每输入一句回车

import torch
x = torch.rand(5,3)
print(x)
torch.cuda.is_available()

运行内容类似于以下则说明PyTorch安装成功且支持GPU计算：

>>> import torch
>>> x = torch.rand(5,3)
>>> print(x)
tensor([[0.9752, 0.3114, 0.4016],
        [0.9716, 0.3168, 0.8434],
        [0.5170, 0.6517, 0.4141],
        [0.5586, 0.6290, 0.4637],
        [0.8503, 0.0334, 0.4124]])
>>> torch.cuda.is_available()
True

0x04 致谢

感谢前人留下的足迹，这篇文章才能顺利走到这里，接下来开始你的炼丹之旅吧~

win10+mx150环境下安装cuda，cudnn，pytorch-gpu

windows10下安装GPU版pytorch简明教程

win10安装CUDA和cuDNN的正确姿势

pytorch慢到无法安装，该怎么办？