【本文由于涉及较多图片，编辑较为麻烦，如果想查看具体图片，请在Github仓直接用markdown编辑器查看，在ai_wiki/05_深度学习/01_安装目录下】 欢迎访问我的个人Github查看更多内容（国内访问Github可能存在问题，可以换个时间段访问，或者百度解决方案）： https://github.com/charliedream1/ai_quant_trade 股票AI操盘手：包含股票知识、策略实例、机器学习、深度学习、C++部署和聚宽实例代码等，可以方便学习、模拟及实盘交易 如果觉得好，就在Github点个星吧。 Github后续会持续更新，欢迎关注。本文在Github的ai_wiki目录下。 # Win10 + GTX 1050 Ti + CUDA10.2 + cudnn8.4   带有英伟达显卡的个人游戏本PC，完全可以作为一个小型的深度学习训练机器。使用GPU训练速度比CPU要快出几十倍。 本章主要介绍在Windows环境下，个人PC，配置GPU，构建深度学习环境。 # 1. 显卡状态查看 ## 1.1 方法1：从设备管理器查看   桌面“我的电脑”右键菜单-->管理(G)     可见本机有一个集成显卡和一个独立显卡 1050ti。(初步测试，可能由于设备有一个集成显卡，所以利用GPU训练时， 不会导致电脑无法显示)    右键"NVIDIA GeForce GTX 1050 Ti"，选择属性，查看显卡驱动信息。 *** 注意： 1. 此处无法更新到最新的驱动，需要从英伟达官网下载最新的驱动程序自行安装。 2. 另外，即便驱动安装到了最新的版本，此处的版本号和安装的号仍然不一致， 怀疑指代不同的驱动，或者说没有跟随外部的信息。 ## 1.2 方法2：从英伟达控制面板查看   在桌面单击鼠标右键，选择NVIDIA 控制面板，并打开    在NVIDIA控制面板界面顶栏选择帮助->系统信息打开    NVIDIA驱动版本信息    设置一项内可见名为NVCUDA64.DLL文件，在文件对应产品名称一栏可见当前硬件支持的CUDA版本（对答主本机来说为CUDA11.1）  # 2. 显卡驱动更新 ## 2.1 驱动和CUDA对应版本   CUDA和驱动版本有对应关系（参考https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html）， 具体如下：  ## 2.2 方法1：从官网下载更新   在英伟达驱动下载官网：https://www.nvidia.cn/geforce/drivers/，选择手动搜索驱动    下载最新的驱动即可，之后打开软件，按照安装步骤安装即可  # 2.3 方法2：从本地显卡控制软件升级   如果之前装过英伟达驱动，会有一个“GeForce Experience”应用在windows下，可以进行在线升级。  # 3. CUDA安装 ## 3.1 安装 * CUDA下载网站：https://developer.nvidia.cn/cuda-toolkit-archive * CUDA 10.2文档：https://docs.nvidia.com/cuda/archive/10.2/   选择需要下载的版本，这里我使用CUDA10.2版本，并选择对应的配置， 可以根据自己的需要选择installer type（推荐exe[local]），这样就下载了离线包， 避免安装中途网络中断等问题。    注意CUDA10.2有一个主包，和2个补丁包，都需要下载    下载好.exe文件后，直接双击打开，显示临时解压文件位置    可更改为你想解压到的位置，点击OK，等待系统检查，授权许可， 接下来在安装选项中选择自定义安装，并将VS勾选去掉（否者安装过程容易退出）。 下一步，到达指定安装位置，可以更改为自己想要安装到的位置，然后便静静等待安装完成即可 ## 3.2 验证是否安装成功 ### 3.2.1 验证方法   在windows开始菜单，输入cmd，之后打开命令行窗口，输入 ```bash nvcc -V ```  如果现实出CUDA的版本信息，说明安装成功。 ### 3.2.2 查看显卡状态   在windows开始菜单，输入cmd，之后打开命令行窗口，输入 ```bash nvidia-smi ```  如上图，可以看到显卡的驱动程序版本和CUDA的支持版本(这个版本比我安装的版本要高， 不确定这个高版本是否随着驱动也被安装了，估计只是显示这个驱动支持的最高CUDA版本) ## 3.3 配置环境变量   桌面--》右键单击"我的电脑"图标--》选择属性--》在搜索框搜索“环境变量”--》选择“编辑系统环境变量”    点击“环境变量”     选择上图中“Path”,点击“编辑...”    新建环境变量，加入如下内容。 ```bash C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\libnvvp ``` # 4. CUDNN安装   CUDNN需要在英伟达官网注册后，才能下载（注意版本需要和CUDA配套）。 * CUDNN下载网页：https://developer.nvidia.cn/zh-cn/cudnn (注：用cn访问速度更快，".com"可能访问不了) * CUDNN 各文档：https://docs.nvidia.com/cuda/archive/10.2/    之后会需要你注册一个账号，按照程序引导，注册就好了，注册完后再点击下载cuDNN便会进入下一界面 选择对应的cuDNN下载    将下载下来的cudnn文件解压，并用将解压出的文件，每个目录下的文件拷贝至cuda安装目录下同名的文件夹 （注意不是覆盖拷贝那3个文件夹，是对应拷贝文件夹下的内容）  # 5. 安装Pytorch-GPU版本 ## 5.1 安装步骤 * 官网：https://pytorch.org/get-started/previous-versions/ * 历史版本：https://pytorch.org/get-started/previous-versions/   根据系统环境选择，会得到安装命令：    在windows开始菜单，输入cmd，之后打开命令行窗口，输入（选择GPU或者CPU版，此处用第一个， 第二个保留使用）: ```bash # CUDA 10.2 conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2 -c pytorch # CPU Only conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cpuonly -c pytorch ```   如果conda命令安装出现联网问题，可在网站下载离线安装包：https://download.pytorch.org/whl/torch_stable.html    下载完成后，打开下载目录，从菜单选择“打开 Windows PowerShell(R)”    输入如下命令： ```bash pip install .\torch-1.10.0+cu102-cp38-cp38-win_amd64.whl ``` ## 5.2 验证安装是否成功   在windows开始菜单，输入cmd，之后打开命令行窗口，输入python进入python环境 ```python import torch print(torch.cuda.is_available()) print(torch.cuda.device_count()) ```  验证成功