背景信息

实例环境如下表所示。

说明：如何选择对应版本请参见如何选择驱动及相关库、软件版本。

操作步骤

步骤一： 创建GPU实例

请参见用户指南->创建GPU云主机>创建未配备驱动的GPU云主机，创建GPU云主机实例。

步骤二：安装显卡驱动

1.  登录已创建的GPU云主机，操作参见Windows弹性云主机登录方式概述。

2.  访问 NVIDIA 官网，选择显卡的驱动版本。单击“SEARCH”进入下载页面，单击进行下载。

3.  完成下载后，根据提示完成安装。

步骤三：安装CUDA

1.  访问英伟达官网 CUDA Toolkit Archive，选择对应版本。

2.  进入 CUDA Toolkit 11.3.0 Download 页面，选择对应系统配置。

3.  单击 “Download”，开始下载。

4.  下载完成后，请双击安装包，并根据提示进行安装。

请注意以下步骤：

在弹出的 CUDA Setup Package 窗口中，Extraction path 为暂时存放地址，无需修改，保持默认并单击 OK。

在许可协议步骤中，选择“自定义”并单击“下一步”。

根据实际需求选择安装组件，并单击“下一步”。

完成安装，根据提示重启云主机。

步骤四：配置环境变量

1.  在操作系统界面使用“win+R”快捷键打开运行。

2.  在运行窗口中输入sysdm.cpl，并单击“确定”。

3.  在打开的系统属性窗口中，选择“高级”页签，并单击“环境变量”。

4.  选择系统变量中的“Path”，单击“编辑”。

5.  在弹出的编辑环境变量窗口中，新建并输入如下环境变量配置（部分已有的无需再次新建）。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64

C:\Program Files\NVIDIA Corporation\NVSMI

6.  连续单击3次“确定”，保存设置。

步骤五：检查显卡驱动及CUDA

1.  在操作系统界面使用“win+R”快捷键打开运行。

2.  在运行窗口中输入cmd，并单击“确定”。

3.  在 cmd 窗口中，执行以下命令，检查显卡驱动是否安装成功。

    nvidia-smi

执行以下命令，检查 CUDA 是否安装成功。

nvcc -V

返回如下图所示界面表示 CUDA 安装成功。

步骤六：安装cuDNN

1.  前往cuDNN Download页面，单击“Archived cuDNN Releases”，查看更多版本。

2.  找到所需cuDNN版本，并下载。

3.  解压 cuDNN 压缩包，并将 bin、include 及lib 文件夹拷贝至 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3目录下。

至此已完成 cuDNN 安装。

步骤七：安装Anaconda深度学习库

建议通过Anaconda创建的虚拟环境安装Pytorch和Tensorflow。通过Anaconda，可便捷获取包并对包进行管理，同时可统一管理环境。Anaconda 包含了conda、Python在内的超过180个科学包及其依赖项，安装过程简单，能高性能使用Python和R语言，且有免费的社区支持。

1.  前往Anaconda官网，在页面中下载所需版本，以Anaconda3-2021.11-Windows-x86_64为例。

2.  请双击安装包，并根据页面提示进行安装。请注意在Choose Install Location步骤中，更改默认安装路径。因默认安装路径C盘中的 ProgramData文件夹为隐藏文件夹，为了方便管理，建议安装在其他文件夹。

3.  单击“Install”，根据提示完成安装。

步骤八：配置Anaconda深度学习库。

1.  在操作系统界面，单击左下角的，在弹出菜单中选择 Anaconda Prompt。

2.  在打开的Anaconda Prompt 命令行窗口中，执行以下命令，创建虚拟环境。

    conda create -n xxx_env python=3.9

说明：xxx_env 为环境名，python=3.11 为 Python 版本，您可根据实际需求进行修改。

如下所示即为安装成功。

您可使用以下命令进入或退出已创建的虚拟环境。进入虚拟环境后，即可按照实际需求安装包。

#激活命令

conda activate xxx_env

#退出命令

conda deactivate

步骤九：安装Pytorch。

前往Pytorch 官网，使用官网推荐的安装代码。本文已安装 CUDA 版本为11.3，在已创建的 xxx_env 虚拟环境中执行如下命令进行安装：

# CUDA 11.3

conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3

步骤十：安装Tensorflow。

1.  执行以下命令，安装Tensorflow_gpu_2.6.0。

    pip install tensorflow-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

2.  执行以下命令，安装keras。

    pip install keras -i https://pypi.tuna.tsinghua.edu.cn/simple

深度学习库的安装已基本完成。您可参考本文方法安装更多所需要的包，并利用 Anaconda 自带的 jupyter notebook、Spyder 工具或者安装 PyCharm 等工具开始代码学习。