网站建设拾金手指下拉十九,企业查询官网,做购物车的网站,网络推广工作室 是干啥的深度学习环境配置
因为之前轻薄本没有显卡跑不起来#xff0c;所以换了台电脑重新跑程序#xff0c;故记录一下配置环境的步骤及常见错误 本人数学系#xff0c;计算机部分知识比较匮乏#xff0c;计算机专业同学可以略过部分内容 深度学习环境配置 深度学习环境配置 CUD…深度学习环境配置
因为之前轻薄本没有显卡跑不起来所以换了台电脑重新跑程序故记录一下配置环境的步骤及常见错误 本人数学系计算机部分知识比较匮乏计算机专业同学可以略过部分内容 深度学习环境配置 深度学习环境配置 CUDA配置1. 确定安装版本确定显卡支持的CUDA版本下载CUDAWindows下CUDA版本切换 Pycharm配置下载链接 miniConda配置miniConda下载检查是否下载成功 Pytorch配置torch_geometric安装Pycharm配置编译环境 CUDA配置
1. 确定安装版本
确定显卡支持的CUDA版本
注意要先保证显卡驱动已经正确安装才能用如下命令查看显卡驱动版本 之前听有师兄说因为驱动安装出问题了所以先安装了驱动精灵但博主本人没遇到这个问题所以暂时不在此讨论 winr 输入cmd输入命令nvidia-smi如图 可以看到显示CUDA Version为12.4说明CUDA支持的驱动版本12.4这里就 可以选择更低的版本比如 11.0要保证后续程序不会出现矛盾根据实际情况选择 CUDA的选择问题当你的驱动版本小于CUDA支持的驱动版本则会出现不兼容。高版本的CUDA不支持低版本的驱动。驱动版本是向后兼容的也就是说驱动升级之后CUDA不用升级因为高版本的驱动支持低版本的CUDA NVIDIA环境部署介绍
下载CUDA
在NVIDA官方网站即可下载选择对应版本即可 这里选好系统设置后用选择离线安装包下载即可 后续参考 因为已经下载完毕无法截图就直接把当时参考的blog放出来了 打开cmd输入nvcc -V不能小写v检查安装是否成功即可
Windows下CUDA版本切换
因为我一开始下成12.4版本了和后续不兼容所以其实现在版本是重装的TAT参考了这篇博客。 具体就是按照前面步骤重新配置好对应版本之后直接把环境变量对应路径改为所需版本即可
Pycharm配置
注意后续conda环境可以配置python环境所以不需要再下载配置python如果下载了会导致后续调用的函数有重复的情况很麻烦
下载链接
根据链接下载即可 注意这里我一开始下ARM64版本显示无法在该电脑上运行只能卸载之后重新下通用版本
miniConda配置
一般来说miniconda就足够日常使用了不用下anaconda内存大且很多功能用不上
miniConda下载
参考博客 我下载的是Miniconda3-latest-Windows-x86_64版本和Pycharm一样应该是任意下一个就好 注意参考博客里这张图片要选择all users后续和anaconda安装教程一样如果不清楚可以自行搜索anaconda教程
检查是否下载成功
参考博客 我暂时没有配置镜像和多环境理论上都可以省略镜像会让一些调用更快 这里输入conda create -n python3.7 python3.7 就安装好了3.7版本的python据说是最好用的因为我之前已经安装过一次了所以显示uninstall后重装了一次后续conda activate python3.7即可进入对应环境再输入 conda deactivate即可退出环境。
Pytorch配置
下载地址 在miniconda里打开后输入下载命令即可 注意 要先创建conda虚拟环境对应命令为 conda create -n python3.7这是环境名python3.7这是对应python版本 注意因为一开始base环境里python是3.12.4和我下的环境不兼容所以要激活之前创建的python3.7环境pip install之前下载的文件地址右键复制文件地址记得去掉引号
torch_geometric安装
因为要用到GNN所以有必要用到这个安装包 注意要进入之前创建的环境下载的和python版本一定要一致 四个下载地址 然后直接pip install torch_geometric 如图等待下载完成即可 然后就全部配置成功啦
Pycharm配置编译环境 注意路径关键在于要选到_conda\envs即当时创建的conda环境