목차
참고: 30 시리즈의 그래픽 카드는 당분간 cuda11 이하 버전을 지원하지 않습니다! ! !
1. 그래픽 카드 드라이버 설치
1. 그래픽 카드 드라이버 모델 확인
시작하려면 오른쪽 하단 모서리를 마우스 오른쪽 버튼으로 클릭하고 장치 관리자에서 컴퓨터 그래픽 카드 모델을 확인합니다.예를 들어 내 그래픽 카드는 GTX1050입니다.
2. 그래픽 카드 드라이버 다운로드
Nvidia의 공식 웹사이트에 들어가 해당 그래픽 카드 드라이버를 다운로드합니다: 공식 드라이버 | NVIDIA 
https://www.nvidia.cn/Download/index.aspx?lang=cn
해당 버전 매개 변수를 선택하고 다운로드 및 설치하고 설치하는 동안 다음 단계로 이동하십시오.
3. GPU 상태 보기
설치가 완료되면 CMD 터미널(단축키: Win+R)을 열고 nvidia-smi 명령줄을 입력하여 GPU 상태를 확인합니다.
참고: 오른쪽 상단 모서리(빨간색 상자)에 표시된 CUDA 버전은 현재 버전에서 지원하는 가장 높은 CUDA 버전입니다.
2. 비주얼 스튜디오 2019 설치
cuda를 사용해야 하므로 컴파일 도구가 있어야 합니다. 여기에는 Visual Studio 2019가 설치되어 있습니다.
Visual Studio Community Edition 링크 다운로드 : https://visualstudio.microsoft.com/zh-hans/downloads/
설치가 완료되면 다음 인터페이스에 들어가십시오. 참고: "Python 개발 " 및 "C++ 데스크탑 개발 " 을 확인하십시오.
3. 쿠다 설치
1. CUDA의 해당 버전을 다운로드합니다.
각 CUDA 버전의 공식 다운로드 주소: CUDA Toolkit Archive | NVIDIA Developer https://developer.nvidia.com/cuda-toolkit-archive
CUDA는 버전 10.2를 사용하므로 cuda 공식 웹사이트로 이동하여 다운로드할 해당 버전을 찾으십시오.
2. 다운로드한 CUDA 설치
다운로드가 완료되면 CUDA를 설치합니다. 참고: 기본 경로를 권장합니다. 나중에 환경 변수를 추가해야 합니다. 설치 중에 사용자 정의 설치를 선택하십시오 .
Visual Studio 통합 확인 :
3. 환경 변수 설정
컴퓨터(이 컴퓨터)를 마우스 오른쪽 버튼으로 클릭하고 속성-> 고급 시스템 설정- > 환경 변수를 열면 시스템 변수에 CUDA_PATH 및 CUDA_PATH_V10_2 라는 환경 변수가 두 개 더 있음을 알 수 있습니다 .
다음으로 시스템 변수에서 "새로 만들기", 다음 환경 변수를 추가합니다. 다음은 기본 설치 위치 경로의 환경 변수입니다(왼쪽은 변수 이름, 오른쪽은 변수 값) .
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA 샘플\v10.2
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
시스템 변수 Path 끝에 추가 :
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
경로를 두 번 클릭하고 다음 5 개 항목 (기본 설치 경로)을 추가합니다. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA 샘플\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA 샘플\v10.2\common\lib\x64
넷째, cudnn 설치
1. cuda10.2에 해당하는 cudnn 다운로드
cudnn 다운로드 주소 : https://developer.nvidia.com/cudnn
2. cudnn을 다운로드한 후 직접 압축을 푼 다음 압축을 푼 bin, include 및 lib 폴더를 cuda 설치 중에 기본 경로 폴더에 복사하여 붙여넣어야 합니다 (예: 내 위치: C:\Program Files \NVIDIA GPU 컴퓨팅 툴킷\CUDA\v10.2)
참고: 전체 폴더 bin, include, lib를 복사하여 붙여넣으십시오.
3. 마지막으로 cuda가 성공적으로 구성되었는지 테스트합니다.
Win+R은 CMD 터미널을 열고 nvcc -V를 실행하여 cuda 정보를 봅니다 .
다섯, 아나콘다 설치
자세한 설치 자습서는 다음 링크를 참조할 수 있습니다.
(42 메시지) Python 설치 튜토리얼 1단계: Pycharm 및 Anaconda 설치
6. 파이토치 설치
1. 가상 환경 생성
아나콘다에 미러 소스 추가:
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
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
시작 표시줄에 방금 설치된 아나콘다 프롬프트를 열어 프로젝트를 생성하고 가상 환경을 실행합니다.
conda create -n your_env_name(虚拟环境名称) python==xx(想要创建的虚拟环境的python版本号)
참고: Python 버전을 모르는 경우 Win+R은 CMD 터미널을 열고 Python을 실행한 다음 Enter를 눌러 설치된 Python 버전 번호를 확인합니다.
필요에 따라 수정할 수 있습니다. 예: conda create -n mytorch python==3.9.7
y를 입력한 다음 Enter 키를 눌러 다운로드 및 설치를 확인하고 시작합니다.
위의 인터페이스가 나타나면 가상 환경이 생성된 것입니다.
2. 가상 환경 활성화 및 입력
1. 이전 단계를 기반으로 생성된 가상 환경을 활성화하고 아나콘다 프롬프트 터미널 에 다음 명령을 입력합니다 .
conda activate mytorch2. 현재 가상 환경을 종료하려면 다음 명령을 실행합니다.
conda deactivate3. 파이토치 설치
1. 이 시점에서 생성된 mytorch 환경을 활성화하고 입력했습니다.
2. 다음으로 PyTorch 공식 웹 사이트에 들어가 관련 매개변수를 선택하고 PyTorch 설치 지침을 얻은 다음 아나콘다 프롬프트 터미널 의 빨간색 상자에 있는 지침을 실행합니다 (이 지침은 PyTorch의 최신 버전임) .
참고: 설치 시 -c pytorch 명령 후 콘텐츠를 삭제하고 국내 소스에서 다운로드하는 것이 더 빠릅니다. 파이토치 https://pytorch.org/
기타: 다른 버전의 PyTorch를 선택해야 하는 경우 녹색 상자에서 명령을 클릭하기만 하면 됩니다.
그런 다음 다음 페이지로 이동하여 필요한 버전을 찾아 설치하십시오.
3. PyT orch 설치 명령어 입력 후 conda를 체크하여 설치할 패키지가 설치되어 있는지 확인
예인 경우 y를 입력한 후 Enter 키를 눌러 다운로드를 확인합니다.
그렇지 않은 경우 PyTorch 설치 명령을 다시 확인해야 합니다 .
3. PyT orch 설치 지금까지 기본 환경이 구축되었습니다.
4. PyT orch가 성공적으로 설치되었는지 확인
1. 설치가 완료되면 아나콘다 프롬프트 터미널 에서 다음 명령을 계속 실행하여 PyT orch가 성공적으로 설치되었는지 확인합니다 .
python
import torch
torch.cuda.is_available()
2. 다음 그림은 프레임워크 구성이 성공적이고 GPU를 사용할 수 있음을 나타내는 True 프롬프트입니다.
3. 확인이 완료되면 Ctrl+Z를 눌러 명령줄로 돌아온 다음 conda list 명령을 실행하여 가상 환경에 설치된 패키지를 확인합니다.
위의 두 패키지가 conda 목록에 있으면 구성이 완료된 것입니다.