admin 管理员组文章数量: 887007
目录
一、背景
二、软硬件
三、避坑
坑1：网速
坑2：操作系统选择
坑3：GPU与CPU
坑4：显卡驱动选择
坑5：Pytorch安装
四、安装过程
1. Anaconda
2. Cuda
3. CuDNN
4. Pytorch
5. Fastai v1
7. Date
8. Test
五、结论
参考
一、背景
长久以来我们接受的都是传统的自下为上的学习模式，也就是从基础知识到高级概念再到实践的教育。而在fast.ai的课程里，Jeremy Howard 提倡的是自上而下的学习方法，也就是回归到人最自的学习方法。
在课程中，Jeremy 就是贯彻着这样的教学理念，从一开始就让大家先别管具体的原理，按照他所教的方法把机器学习的模型实现出来，让大家以最快的速度感受到这项技术的力量以及降低对它的恐惧感。
如果你也在学习深度学习，也刚刚接触fastai项目，正在为环境而挠头，那么本文便有意义了。官网乱糟糟的引用与说明，着实为入门者配置环境留下了很多的坑，下面我将一一道来。
二、软硬件
本文搭建fastai v1环境，采用Win10操作系统、MX250 GPU显卡、CUDA10.1显卡驱动、cuDNN驱动补丁、Pytorch1.0.0框架，具体SW&HW如下所示。
-
OS：Win10
-
RAM：8G/16G+
-
GPU：MX250
-
Anaconda：Anaconda3-5.2.0-Windows-x86_64
-
Nvidia Cuda：v10.1
-
Cudnn：cuDNN v8.0.3 (August 26th, 2020), for CUDA 10.1
-
Pytorch：v1.0.0
fastaiv1环境需要达到以下配置才安装完成，“python -m fastai.utils.show_install”命令查看：
(fastaiv1) C:\Users\zhangsan>python -m fastai.utils.show_install
```text
=== Software ===
python : 3.6.12
fastai : 1.0.61
fastprogress : 0.2.7
torch : 1.0.0
nvidia driver : 443.32
torch cuda : 9.0 / is available
torch cudnn : 7005 / is enabled
=== Hardware ===
nvidia gpus : 1
torch devices : 1
- gpu0 : 2048MB | GeForce MX250
=== Environment ===
platform : Windows-10-10.0.17763-SP0
conda env : fastaiv1
python : C:\Users\zhangsan\anaconda3\envs\fastaiv1\python.exe
sys.path :
C:\Users\zhangsan\anaconda3\envs\fastaiv1\python36.zip
C:\Users\zhangsan\anaconda3\envs\fastaiv1\DLLs
C:\Users\zhangsan\anaconda3\envs\fastaiv1\lib
C:\Users\zhangsan\anaconda3\envs\fastaiv1
C:\Users\zhangsan\anaconda3\envs\fastaiv1\lib\site-packages
C:\Users\zhangsan\anaconda3\envs\fastaiv1\lib\site-packages\win32
C:\Users\zhangsan\anaconda3\envs\fastaiv1\lib\site-packages\win32\lib
C:\Users\zhangsan\anaconda3\envs\fastaiv1\lib\site-packages\Pythonwin
```
Please make sure to include opening/closing ``` when you paste into forums/github to make the reports appear formatted as code sections.
(fastaiv1) C:\Users\zhangsan>三、避坑
-
坑1：网速
最最最重要的网速，建议：网络不好的兄弟，建议关机，立刻马上。要不fastai没安装好，你已经自闭了，我这300M的网速，凌晨（非高峰时段）下载才稳一点，供参考。
-
坑2：操作系统选择
fastai官网的fastai v1安装指南建议使用Linux操作系统，Windows操作系统也支持但不增加新功能，MacOS还在开发中，见摘文，作为技术开发人员一般都会选择Linux，比如Ubuntu，对不对；如果你不了解Nvidia显卡，也没有专门的Linux系统机器，同样，作为技术开发人员一般都会选择虚拟机，比如Ubuntu VM，对不对。
以上全错！
建议：要么Windows，要么Linux，不要VM。因为虚拟机用的模拟显卡，Nvidia目前并不支持。如果在Windows上安装Ubuntu虚拟机，实现虚拟机借用宿主机显卡的方式，途径有二：Hyper-V PCI与1虚多显卡，感兴趣可以去了解下。然而，可行性极低，不如直接装个双系统来的实在。
摘自fastai v1官网：
NB:fastai v1 currently supports Linux only, and requires *PyTorch v1* and Python 3.6 or later. Windows support is at an experimental stage: it should work fine but it's much slower and less well tested. Since Macs don't currently have good Nvidia GPU support, we do not currently prioritize Mac development
-
坑3：GPU与CPU
fastai官网的fastai v1安装指南说GPU或者CPU都支持，见摘文。建议：有条件上GPU。因为当你的神经网络规模越是复杂，其对性能的要求越高，终端CPU难以满足要求。
摘自fastai v1官网：
Starti
版权声明：本文标题：fastai v1环境搭建：Win10 MX250 CUDA10.1 cuDNN Pytorch1.0.0 Fastai v1安(bi)装(keng)指南 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.freenas.com.cn/jishu/1729149080h1323828.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论