Comment Facilement Installer ou Mettre à Jour CUDA et cuDNN

Time Needed : 01 hours 30 minutes

Suivez attentivement les prochaines étapes pour obtenir les meilleurs résultats de ce tutoriel. Cela risque d’être un long parcours, alors prenez une tasse de café et commençons.

1. Étape 1: Désinstaller les Logiciels Inutiles

   La première chose que vous allez faire est de désinstaller tout ce qui est inutile, ce qui pourrait entraver l’installation de CUDA. C’est très important, mais je vois souvent de nombreux tutoriels en ligne sauter cette étape.
   
   Cela permet de s’assurer que vous ne rencontrez pas de conflits de version, car chaque composant à installer doit EXACTEMENT correspondre à sa version requise.
   
   De plus, il s’agit d’une étape nécessaire pour ceux qui ont déjà essayé, mais sans succès, d’installer CUDA par le passé, simplement pour s’assurer que vous partez sur une base propre, et que nous sommes tous sur la même page.
   
   Vous pouvez désinstaller tous les composants précédemment installés en allant dans le «Panneau de configuration > Désinstaller un programme» et en cliquant pour désinstaller les composants un par un, mais je souhaite que nous fassions cela de manière plus simple et plus efficace.
   
   Rendez-vous sur le site web de Iobit ici.
   
   
   Cliquez sur le bouton Télécharger, comme indiqué dans l’image ci-dessus.
   
   Une fois le téléchargement terminé, lancez le fichier d’installation (iobituninstaller.exe) depuis votre dossier de téléchargements.
   
   
   Suivez le processus d’installation. Assurez-vous de décocher les cases à cocher en bas à gauche de la fenêtre d’installation, afin d’éviter d’installer des logiciels inutiles, à moins que vous ne pensiez en avoir besoin. Mais pour le but de ce tutoriel, ils ne sont pas nécessaires.
   
   Après avoir installé l’application Iobit Uninstaller, lancez l’application et cochez tous les logiciels qui seront désinstallés. Il peut s’agir de choses comme :
   
   1. Python
   2. Anaconda
   3. Miniconda
   4. Jupyter Notebook
   5. CUDA et cuDNN
   6. Microsoft Visual C++
   7. Installeur de Visual Studio
   8. Visual Studio Build Tools
   9. EDI Visual Studio et tous les composants
   10. GeForce Experience et tous les composants
   11. Pilote graphique Nvidia et tous les composants
   
   Après avoir vérifié tout les logiciels que vous souhaitez désinstaller, tel qu’indiqué ci-dessus, cliquez sur le bouton de désinstallation. Vous devriez voir le processus de désinstallation, comme indiqué dans l’image suivante.
   
   L’utilisation du logiciel ci-dessus automatisera la plupart du processus de désinstallation pour vous, en supprimant tous les restes inutiles laissés par tout logiciel inutile et en réinitialisant les modifications des clés de registre effectuées par tout logiciel inutile, comme le montre l’image ci-dessous.
   
   Après avoir désinstallé toutes les choses inutiles, REDEMARREZ VOTRE PC.

2. Étape 2: Installer Microsoft Visual C++

   Donc, je suppose que votre PC est propre et prêt pour le processus d’installation maintenant. L’étape suivante consistera à installer Microsoft Visual C++.
   
   C’est là que je vois de nombreux tutoriels en ligne, vous disant d’aller télécharger l’intégralité du marché Microsoft Visual Studio, ce qui prendra des dizaines de gigaoctets sur votre PC pour rien, tandis que Microsoft précise clairement sur son site Web ici que l’installation de Visual Studio n’est qu’un moyen d’installer Visual C++ et ce n’est pas le seul moyen, comme indiqué ci-dessous.
   
   
   Vous pouvez toujours installer C++ indépendamment sans nécessairement passer par l’installation de Visual Studio en premier lieu.
   
   Tout d’abord, installez Visual Studio Build Tools, en vous rendant sur son site officiel ici et en le téléchargeant, comme indiqué ci-dessous.
   
   
   Vérifiez d’avoir les exigences suivantes, requises pour installer Visual Studio Build Tools :
   
   Exigences Matérielles :
   1. 1 Go de RAM pour x86
   2. 2 Go de RAM pour x64
   3. Disque dur à 5400 tr/min
   4. Processeur d’au moins 1,6 GHz
   5. 200 Mo d’espace disque disponible
   6. 512 Mo de RAM supplémentaires pour une utilisation de machine virtuelle
   
   Exigences Supplémentaires :
   1. .NET Framework 4.5
   
   Pour plus d’informations sur la prise en charge du système d’exploitation, consultez la page de compatibilité de Visual Studio 2015.
   
   Après avoir téléchargé le programme d’installation de Visual Studio Build Tools, lancez l’exécution de l’installation et suivez le guide d’installation jusqu’à la fin, comme indiqué ci-dessous.
   
   
   
   Prenez également note que, sans Visual Studio Build Tools, vous pourriez ne même pas pouvoir compiler du code Python. Il est donc important de NE PAS SAUTER CETTE ÉTAPE.
   
   Ensuite, vous devez installer Microsoft Visual C++. Pour ce faire, il vous suffit de vous rendre sur le site officiel de Microsoft ici, et de télécharger les versions 2013 et 2015-2022, comme indiqué sur l’image ci-dessous.
   
   
   Une fois le téléchargement terminé, lancez le fichier d’installation de Visual C++ 2013 depuis votre dossier de téléchargements, et suivez le guide d’installation jusqu’à la fin.
   
   
   Lancez ensuite le fichier d’installation de Visual C++ 2015-2022 depuis votre dossier de téléchargements, et suivez le guide d’installation jusqu’à la fin.
   
   

3. Étape 3: Installer CUDA

   Après avoir installé Microsoft Visual C++, vous pouvez procéder à l’installation de CUDA. Mais avant d’installer CUDA, vous devez vous assurer que vous savez exactement quelle version de PyTorch correspond à CUDA que vous voulez installer en allant sur le site web de PyTorch.
   
   En effet, Pytorch dispose d’un outil sur son site web qui génère automatiquement la commande que vous utiliserez pour installer la version exacte de PyTorch correspondant à votre version CUDA.
   
   Vous voulez donc vous assurer que vous voyez la version exacte de CUDA qui vous facilitera l’installation de PyTorch, ce que je vais démontrer
   dans un instant.
   
   Alors, tout d’abord, accédez à l’outil de vérification de compatibilité des versions de PyTorch ici.
   
   
   Sur le site Web, vous devriez voir les versions les plus récentes et les plus stables de CUDA, prises en charge par PyTorch, comme le montre l’image ci-dessus (au moment de la rédaction de cet article, il s’agit des versions 11.8 et 12.1).
   
   De préférence, vous souhaitez télécharger les versions qui vous sont présentées par l’outil de compatibilité.
   
   Maintenant, rendez-vous sur le site Web CUDA de Nvidia ici, recherchez et téléchargez l’une des versions CUDA que vous avez vues à partir de l’outil de vérification de compatibilité des versions du site Web Pytorch.
   
   
   Étant donné que nous avons vu la version 11.8 de CUDA sur le vérificateur de compatibilité PyTorch, nous allons télécharger exactement cette version, comme le montre l’image ci-dessus.
   
   La version que vous voyez ici sera probablement différente pour vous si vous lisez ceci dans un avenir lointain, alors assurez-vous de bien comprendre la procédure que j’utilise et ne vous contentez pas de répéter exactement ce que je fais.
   
   Une fois CUDA téléchargé, installez-le en exécutant simplement le fichier d’installation CUDA. Suivez le guide d’installation dans la fenêtre de configuration, comme indiqué dans les images suivantes.
   
   
   Après avoir cliqué sur «ACCEPTER ET CONTINUER», vous serez redirigé vers la page suivante, comme le montre l’image ci-dessous. Au lieu de prendre Recommandé «Express», sélectionnez Avancé «Customisé» Mode, où vous pouvez sélectionner manuellement les composants à installer.
   
   
   Comme le montre l’image suivante, la configuration CUDA installe également un pilote graphique Nvidia et l’application GeForce Experience, ainsi que le framework CUDA.
   
   Vous pourriez être tenté de penser que, puisque ce pilote est fourni avec la configuration CUDA, il est probablement le plus approprié, mais non, ce n’est pas le cas.
   
   Le problème est que le pilote graphique et l’application GeForce Experience fournis avec la configuration CUDA sont généralement obsolètes et n’exploiteront pas pleinement votre carte graphique.
   
   
   Ensuite, vous allez choisir l’emplacement d’installation par défaut et vous assurer de prendre note de cet emplacement, car nous en aurons bientôt besoin. Faites comme indiqué dans l’image suivante.
   
   
   Après avoir validé les paramètres ci-dessus, vous arriverez sur la page suivante qui vous avertira en vous indiquant d’installer Visual Studio en premier. Ne vous inquiétez pas, validez simplement et passez à la section suivante, comme indiqué ci-dessous.
   
   
   Désormais, si vous êtes comme la majorité des gens, votre configuration devrait franchir cette partie sans aucun problème.
   
   Mais si vous faites partie des rares privilégiés qui n’ont jamais les choses faciles, vous pourriez être sur le point de casser votre clavier, en voyant l’erreur suivante ou quelque chose de similaire «Les processus suivants doivent être arrêtés avant que l’installation de CUDA Integration Visual Studio puisse continuer : », comme le montre l’image ci-dessous.
   
   
   En voyant l’erreur ci-dessus, j’imagine que vous pensez probablement maintenant « Ah ! 
   Je savais que j’aurais dû installer Visual Studio », mais croyez-moi, même si vous avez installé Visual Studio avec tous ses composants et plugins, cette erreur ne disparaîtra toujours pas.
   
   Heureusement pour vous, je fais partie des rares privilégiés à avoir eu le privilège d’avoir cette erreur et de réussir à la contourner.
   
   Ainsi, si vous examinez attentivement l’erreur, vous remarquerez qu’il s’agit d’un processus en cours d’exécution sur votre PC, ce qui empêche la poursuite de l’installation. 
   Le nom et l’ID du processus auquel ils font référence ont été indiqués.
   
   Vous pourriez être tenté de lancer le gestionnaire de tâches et de rechercher le processus mentionné ci-dessus, mais sachez que le gestionnaire de tâches Windows n’affiche pas les processus exécutés sous Windows.
   
   Pour voir et gérer les processus, vous devez accéder à l’application Windows Performance Monitor.
   
   Vous pouvez y accéder en recherchant «Moniteur de performances» dans la barre de recherche Windows. Vous devriez le voir apparaître parmi vos résultats de recherche, comme le montre l’image suivante.
   
   
   Lorsque vous exécutez l’application ci-dessus, vous verrez la fenêtre dans l’image suivante.
   
   
   Ne soyez pas intimidé par la fenêtre sophistiquée de l’image ci-dessus, cliquez simplement sur le bouton «Moniteur de ressources ouvert» lien, que j’ai entouré en rouge, en bas de la fenêtre dans l’image ci-dessus.
   
   Cela lancera le «Moniteur de ressources», qui vous permettra de voir tous les processus Windows en cours, comme le montre l’image ci-dessous.
   
   
   En regardant l’erreur que nous avons rencontrée lors de l’installation de la configuration CUDA, le message d’erreur que nous avions était «Les processus suivants doivent être arrêtés avant que l’installation de CUDA Visual Studio Integration puisse continuer : Analyseur de performances (ID de processus : 1216)» .
   
   L’erreur ci-dessus nous indique que nous devons arrêter le processus qui a le
   1216 ID de processus, donc tout ce que nous devons faire est d’accéder au moniteur de ressources et de rechercher l’ID exact du processus indiqué dans le message d’erreur (qui était 1216 dans mon cas, votre propre cas peut avoir un ID différent).
   
   Vous pouvez vérifier les ID de processus en faisant défiler et en regardant sous le
   IDP colonne du moniteur de ressources.
   
   Une fois que vous avez trouvé l’ID du processus qui gêne votre processus d’installation, continuez et terminez le processus en cliquant avec le bouton droit sur la ligne où le processus apparaît.
   
   Dans le menu contextuel résultant, cliquez sur le bouton «Terminer Processus», pour mettre fin au processus indésirable, comme indiqué dans l’image ci-dessus.
   
   Une fois le processus terminé, revenez au processus d’installation de votre configuration CUDA et cliquez sur le bouton «ANNULER», comme indiqué dans l’image ci-dessous.
   
   
   Annuler le processus d’installation peut être contre-intuitif, je sais. La raison pour laquelle nous annulons le processus est de redémarrer l’installation, simplement parce que nous voulons que l’installation récupère les modifications que nous avons apportées.
   
   Si vous cliquez simplement sur le «RECOMMENCEZ», vous continuerez à recevoir la même erreur, car la configuration n’a pas été actualisée avec les configurations mises à jour effectuées dans le moniteur de ressources. La configuration ne s’actualise pas en temps réel.
   
   Il ne vous reste plus qu’à relancer l’installation et à suivre le guide d’installation jusqu’à la fin (sans oublier de choisir le Avancé «Customisé» mode d’installation et supprimez le pilote GPU Nvidia et l’application GeForce Experience du menu d’installation, comme nous l’avons fait précédemment).
   
   Si vous voyez une autre erreur telle que «Les processus suivants doivent être arrêtés avant que l’installation de CUDA Integration Visual Studio puisse continuer :» Résolvez-le en accédant au moniteur de ressources, en trouvant l’ID de processus correspondant au processus indésirable et en mettant fin au processus (répétez simplement ce que nous avons fait ci-dessus).
   
   N’oubliez pas de redémarrer le programme d’installation pour qu’il récupère les modifications.
   
   Après avoir fait tout ce qui précède, vous devriez voir la configuration traverser la partie où elle était précédemment bloquée, comme le montre l’image suivante.
   
   
   Une fois l’installation de CUDA réussie, vous pouvez alors cliquer sur le bouton «SUIVANT», puis fermez la fenêtre, comme indiqué dans l’image ci-dessous.
   
   

4. Étape 4: Installer cuDNN

   Après avoir installé CUDA, vous devez installer cuDNN. Pour installer cuDNN, vous devez d’abord vous rendre sur le site Web de Nvidia cuDNN et vous inscrire.
   
   Sans inscription, ils ne vous donneront pas accès à leur produit. Vous pouvez vous inscrire en vous rendant sur leur page d’inscription ici. Si vous êtes déjà inscrit, il vous suffit de vous connecter.
   
   Une fois connecté, accédez à la page de téléchargement de cuDNN ici et téléchargez cuDNN. Assurez-vous de lire attentivement pour trouver la version de cuDNN qui correspond à la version de CUDA que vous avez installée précédemment.
   
   Depuis que nous avons CUDA 11.8, nous allons rechercher sa version cuDNN correspondante exacte, comme le montre l’image ci-dessous.
   
   
   Comme le montre l’image ci-dessus, cuDNN v8.9.4 que j’ai souligné en rouge, est la dernière version de cuDNN qui correspond à CUDA 11.8. Le «11x» signifie que cette version de cuDNN fonctionnera pour chaque version 11 de CUDA.
   
   Cliquez sur la section soulignée en rouge, comme indiqué dans l’image ci-dessus. 
   Une fois que vous aurez cliqué ici, une liste déroulante de plusieurs types de cuDNN pour les différents systèmes d’exploitation vous sera présentée. Comme le montre l’image ci-dessous.
   
   
   Puisque je suis sur le système d’exploitation Windows, je choisirai le «Programme d’installation local pour Windows (zip)», que j’ai souligné dans l’image ci-dessus.
   
   Une fois le téléchargement terminé, extrayez le dossier zip, à l’aide du logiciel d’extraction zip de votre choix, à l’emplacement souhaité sur votre PC, comme indiqué dans l’image ci-dessous.
   
   
   N’oubliez pas que j’ai dit que vous devriez prendre note de votre emplacement d’installation CUDA, qui a été affiché lors de l’exécution de la configuration CUDA.
   
   Eh bien, nous allons devoir utiliser ce emplacement maintenant. Ouvrez le dossier cuDNN extrait et copiez le «bin», «include» et «lib», comme indiqué dans l’image ci-dessous.
   
   
   Collez les dossiers copiés dans l’emplacement d’installation de CUDA. Si vous avez utilisé les paramètres d’emplacement d’installation par défaut, vous le trouverez installé à l’emplacement suivant «C:\Programmes\NVIDIA GPU Computing Toolkit\CUDA\v11.8» comme le montre l’image ci-dessous.
   
   Votre emplacement peut changer en fonction de votre version de CUDA.
   
   Par exemple, si vous aviez plutôt installé CUDA 11.7, alors votre chemin serait quelque chose comme «C:\Programmes\NVIDIA GPU Computing Toolkit\CUDA\v11.7», assurez-vous donc que vous vous rendez à l’emplacement de la version CUDA correspondante que vous avez installée, surtout si plusieurs versions de CUDA sont installées.
   
   Vous pouvez voir un message vous demandant si vous souhaitez écraser les fichiers existants, acceptez et validez pour écraser tous les fichiers existants. Si vous ne voyez pas le message, il n’y a pas de problème.
   
   
   Après avoir copié les dossiers cuDNN dans le dossier d’installation CUDA, la prochaine chose à faire est de configurer les emplacements d’accès aux variables d’environnement et système pour le «bin» et «libnvvp» dossiers trouvés dans le dossier d’installation de CUDA.
   
   Pour configurer vos emplacements, vous devez d’abord lancer votre application d’édition de variables système. Pour le lancer, ouvrez simplement votre recherche Windows et tapez «Variables d’environnements» . Vous devriez voir un résultat similaire à celui présenté dans l’image ci-dessous.
   
   
   Lorsque vous cliquez sur le résultat de recherche ci-dessus, vous verrez une fenêtre apparaître, comme le montre l’image ci-dessous. Assurez-vous que vous êtes dans l’onglet «Avancé», puis cliquez sur bouton «Variables d’environnement» dans la fenêtre.
   
   
   Après avoir cliqué sur le bouton «Variables d’environnement», une nouvelle fenêtre apparaîtra. La fenêtre comporte deux sections, la section supérieure pour configurer les variables utilisateur et la section inférieure pour configurer les variables système.
   
   Dans la partie supérieure, sélectionnez «emplacement » et cliquez sur «Modifier», comme le montrent les images suivantes.
   
   
   
   Après avoir cliqué sur le «Modifier» dans l’image ci-dessus, une nouvelle fenêtre avec plusieurs lignes de texte apparaîtra. C’est ici que vous ajouterez les emplacements.
   
   Copiez les emplacements de vos dossiers «bin» et «libnvvp» trouvés dans le dossier d’installation de CUDA, qui devraient ressembler à : («C:\Programmes\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin» et «C:\Programmes\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp»).
   
   Créez 2 nouvelles lignes pour lee emplacements «bin» et «libnvvp» dans la nouvelle fenêtre et ajoutez les lignes dans cette fenêtre, comme indiqué dans l’image ci-dessous.
   
   
   Maintenant, appuyez sur le bouton «D’ACCORD» en bas de la fenêtre, puis revenez à la fenêtre précédente (intitulé «Variables d’environnement») et sélectionnez la section inférieure pour éditer les variables système.
   
   Recherchez «emplacement» et sélectionnez-la. Une fois cette ligne sélectionnée, cliquez sur le bouton «Modifier», comme indiqué dans l’image suivante.
   
   
   Encore une fois, copiez les emplacements de vos dossiers «bin» et «libnvvp» trouvés dans le dossier d’installation de CUDA, qui devraient ressembler à : («C:\Programmes\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin» et «C:\Programmes\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp»).
   
   Créez 2 nouvelles lignes pour les emplacements «bin» et «libnvvp» dans la nouvelle fenêtre et ajoutez les lignes dans cette fenêtre, comme indiqué dans l’image ci-dessous.
   
   
   Maintenant, appuyez sur le bouton «D’ACCORD» en bas de la fenêtre, puis revenez à la fenêtre précédente (intitulé «Variables d’environnement») et cliquez sur «D’ACCORD» ici aussi.
   
   Enfin, allez dans la fenêtre «Propriétés du système», et cliquez sur le bouton «D’ACCORD». Après avoir fait tout ce qui précède, vous devez avoir configuré correctement vos emplacements. Maintenant, tu dois REDÉMARRER ton PC pour que les modifications aient lieu.
   
   Toutes les configurations ci-dessus ont été effectuées car cuDNN ne vient pas sous forme de fichier d’exécution d’installation, vous devez donc l’installer manuellement et pointer le système d’exploitation vers son emplacement d’installation, de sorte qu’il puisse être utilisé quand et où vous le souhaitez. dans votre PC.

5. Étape 5: Installer le Pilote Graphique Nvidia

   Après avoir installé le framework CUDA et la librerie cuDNN, vous devez installer la dernière version du pilote de votre carte graphique. Pour ce faire, rendez-vous sur le site officiel de Nvidia ici.
   
   Sélectionnez la dernière version de votre pilote graphique, de votre système d’exploitation et de votre langue à l’aide des menus déroulants.
   
   Si vous avez le choix entre la version «Prêt pour le jeu» et le «Studio», choisissez la version «Prêt pour le jeu» du pilote et appuyez sur le bouton de recherche, comme indiqué ci-dessous.
   
   
   Une fois le pilote téléchargé, procédez à son installation en lançant le fichier d’exécution d’installation et en suivant le guide d’installation jusqu’à la fin. Vous pouvez également installer l’application Experience si vous voulez.
   
   
   Après avoir cliqué sur le «ACCEPTER ET CONTINUER», vous arriverez sur la page suivante vous demandant de choisir entre le bouton «Express (recommandé)» mode d’installation, ou le «Personnalisé (avancé)» mode d’installation.
   
   Au lieu de prendre le mode d’installation recommandé «Exprimer» installation, sélectionnez le mode Avancé «Customisé», en effet, vous souhaitez vous assurer que l’installation effectue une nouvelle installation, en supprimant tous les paramètres précédents du pilote précédent susceptibles de gêner votre installation CUDA.
   
   
   Dans l’image ci-dessus, cliquez sur le bouton «SUIVANT» et assurez-vous de cocher le bouton «Effectuer une installation propre» dans la fenêtre suivante, avant de cliquer à nouveau sur la case «SUIVANT», comme indiqué ci-dessous.
   
   
   Pendant l’installation de votre pilote, vous pouvez rencontrer un certain scintillement de l’écran en raison des configurations d’installation.
   
   
   Une fois votre pilote installé, redémarrez votre PC.

6. Étape 6: Installer Conda

   Après avoir installé la dernière version du pilote graphique Nvidia, vous devez installer Conda. Maintenant, vous pouvez choisir d’opter pour la version allégée (Miniconde) ou la version complète (Anaconda).
   
   Maintenant, juste pour clarifier, Miniconda est la version de Conda qui est livrée avec les outils minimaux nécessaires pour exécuter un projet Conda, tandis qu’Anaconda est livré avec tous les outils préinstallés afin que vous n’ayez pas à les installer un par un.
   
   Intuitivement, vous pourriez penser que, puisque Anaconda est livré avec tout, c’est celui qui sera le meilleur, mais non.
   
   Le problème est qu’il peut être livré avec des versions de PyTorch préinstallées et vous ne le souhaitez absolument pas, étant donné que cela pourrait gêner votre installation, car vous voudriez installer PyTorch manuellement, pour vous assurer qu’il correspond à la version souhaitée.
   
   De plus, anaconda nécessite beaucoup d’espace car il installe plusieurs paquets que vous n’utiliserez peut-être même jamais, vous économisez donc également de l’espace en installant Miniconda.
   
   OK, assez de bavardages, passons à autre chose. Allez sur le site d’Anaconda ici, et téléchargez la dernière version de Miniconda pour votre système d’exploitation correspondant, comme indiqué ci-dessous.
   
   
   Après avoir téléchargé Miniconda, procédez à l’installation en lançant l’exécution de l’installation et en suivant les instructions, comme indiqué ci-dessous.
   
   
   Après avoir lancé l’exécution de l’installation, cliquez sur le bouton «Suivant>» et continuez avec le guide d’installation, jusqu’à ce que vous atteigniez le bouton «Options d’installation avancées». Une fois sur place, cochez toutes les cases et cliquez sur le bouton «Installer», comme indiqué ci-dessous.
   
   
   Par défaut, le bouton «Vider le cache des paquets une fois terminé» n’est pas cochée, je vous recommande de la cocher car cela obligera l’installation à effectuer un nettoyage post-installation, pour supprimer les éléments inutilisés après l’installation, de sorte qu’elle n’utilise pas d’espace disque excessif pour rien.
   
   Par défaut également, la case «Ajouter Miniconda3 comme variable d’environnement PATH» n’est pas cochée, et lorsque vous la cochez, elle vous afficherai un message d’avertissement indiquant que ce n’est pas recommandé de la cocher.
   
   Eh bien, la raison pour laquelle je vous ai demandé de la cocher, c’est parce qu’elle vous permet d’utiliser le Python installé par Conda, pas seulement dans l’environnement Conda (Invite d’Anaconda), mais également avec des environnements externes tels que Windows Powershell ou l’invite de commande Windows, afin que vous puissiez utiliser la version de Python installé par Conda, dans n’importe quel EDI et également effectuer tout travail lié à Python.
   
   Par exemple, puisque Miniconda a installé la version 3.11 de Python, si je vérifie cela dans mon invite d’Anaconda, je devrais voir la version de Python en tapant la commande «python –version» dans l’invite Anaconda, comme indiqué ci-dessous.
   
   
   Vous devriez voir la même chose si vous exécutez la commande «python –version» dans Windows Powershell.
   
   
   Et même chose pour l’invite de commande Windows.
   
   
   Mais si vous n’aviez pas coché la commande «Ajouter Miniconda3 comme variable d’environnement PATH», vous n’aurez pas cette option et devrez toujours utiliser l’invite Anaconda uniquement lorsque vous souhaitez utiliser Python.
   
   Cela peut être gênant, en particulier pour une utilisation dans des EDI comme VSCODE.
   
   C’est pourquoi au début de ce tutoriel, je vous ai demandé de désinstaller toutes les versions de Python sur votre PC, pour éviter tout conflit avec le Python qui allait éventuellement être installé par Conda.

7. Étape 7: Installer TensorFlow

   Après avoir installé Conda avec succès, la prochaine étape consiste à installer TensorFlow. Ce que vous devez comprendre, c’est que TensorFlow 2.10 est la dernière version que vous pouvez installer et exécuter de manière native sur le système d’exploitation Windows, sans avoir à effectuer des manoeuvres surnaturel.
   
   Vous pouvez en savoir plus à ce sujet sur le site officiel de TensorFlow ici.
   
   
   A noter également qu’il est préférable d’installer TensorFlow avec le gestionnaire de paquets «Pip» que le gestionnaire de paquets «Conda», comme le montre l’extrait d’image du site Web TensorFlow ci-dessous.
   
   
   Donc, par mesure de sécurité, nous allons suivre leurs instructions et installer le dernier TensorFlow installable pour Windows, en utilisant le gestionnaire de paquets “Pip“.
   
   Tout d’abord, nous devons lancer notre “Invite d’Anaconda” le recherchant dans la recherche Windows et en l’exécutant, comme indiqué dans l’image ci-dessous.
   
   
   Ensuite, nous devons créer un environnement Conda distinct pour utiliser TensorFlow, en utilisant la commande «conda créer –name tf python=3.9».
   
   Prenez note que le «python=3.9» dans la commande précédente, c’est parce qu’il s’agit de la version de Python qui correspond le mieux à la version de TensorFlow que nous sommes sur le point d’installer, alors assurez-vous de ne pas modifier la version de Python, comme indiqué ci-dessous.
   
   
   Lorsque l’interface d’invite de commande est prête à continuer, appuyez sur le bouton «oui» et frapper sur «Entrer» pour lancer la création de votre environnement TensorFlow, comme le montre l’image ci-dessous.
   
   
   Après avoir installé l’environnement TensorFlow, vous devez l’activer avec la commande «conda activer tf», comme indiqué ci-dessous.
   
   
   Dans l’environnement TensorFlow, vous devez mettre à niveau votre gestionnaire de paquets «Pip» en tapant la commande «pip install –upgrade pip –user», comme le montre l’image ci-dessous.
   
   
   Une fois votre «Pip» a été mis à niveau vers la dernière version, procédez à l’installation de la dernière version installable de TensorFlow pour Windows, à l’aide de la commande (pip install “tensorflow<2.11”), comme le montre l’extrait d’image ci-dessous, du site Web TensorFlow et de ma propre interface de ligne de commande.
   
   
   
   
   Après avoir installé TensorFlow, testez la configuration de votre processeur en exécutant la commande suivante: python -c “import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))” comme le montre l’extrait d’image ci-dessous, depuis le site Web TensorFlow et depuis ma propre interface de ligne de commande.
   
   
   
   Si tout fonctionne bien, vous devriez voir quelque chose comme indiqué dans l’image ci-dessus.
   
   Ensuite, testez la configuration de votre carte graphique en exécutant la commande suivante: python -c “import tensorflow as tf; print(tf.config.list_physical_devices(‘GPU’))” le montre l’extrait d’image ci-dessous, depuis le site Web TensorFlow et depuis ma propre interface de ligne de commande.
   
   
   
   Si tout fonctionne bien, vous devriez voir quelque chose comme indiqué dans l’image ci-dessus.

8. Étape 8: Installer PyTorch

   N’oubliez pas que nous sommes allés sur le site Web de PyTorch au début du tutoriel pour voir quelle version de CUDA nous allions installer, c’était exactement pour ce moment, de sorte que lorsque nous installons maintenant PyTorch, elle devrait simplement correspondre à notre version de CUDA.
   
   Nous allons donc revenir sur le site PyTorch ici et utilisez leur outil de correspondance de compatibilité de version pour générer la commande que nous exécuterons dans notre interface de ligne de commande pour installer la version la plus appropriée de PyTorch, qui correspondra à nos CUDA, cuDNN, Python et TensorFlow précédemment installés.
   
   Pour générer la commande, sélectionnez les options qui correspondent le mieux à votre système. Pour moi, voici les options que j’ai sélectionnées au moment de la rédaction de cet article :
   
   1. Version PyTorch : stable (2.1.0)
   2. Votre système d’exploitation : Windows
   3. Forfait : Conda
   4. Langage : Python
   5. Plateforme de calcul : CUDA 11.8
   
   
   Après avoir sélectionné les options ci-dessus, l’outil a généré la commande suivante (conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia) comme le montre l’image ci-dessous :
   
   
   Si vous aviez parcouru les détails du site Web de PyTorch, vous auriez dû voir que le gestionnaire des paquets Conda est le gestionnaire des paquets le plus approprié pour installer PyTorch, car il installe toutes les dépendances.
   
   J’ai personnellement remarqué que le gestionnaire de paquets Conda fait tout son possible pour faire correspondre automatiquement vos dépendances et configurer votre installation de manière à ce qu’il n’y ait pas de problèmes de compatibilité, contrairement à Pip, qui installera simplement PyTorch sans essayer de vous aider à corriger automatiquement toute compatibilité. problèmes qui peuvent survenir.
   
   Nous allons donc procéder en exécutant la commande ci-dessus générée par l’outil de compatibilité de version que nous avons utilisé sur le site Web PyTorch.
   
   Assurez-vous que vous êtes toujours dans l’environnement TensorFlow nous avons créé précédemment, puis exécutez la commande suivante dans votre invite de commande Ananconda, comme indiqué ci-dessous.
   
   
   Lorsque l’invite de commande est prête à continuer, appuyez sur la touche «y» et frappez sur «Entrer» pour lancer l’installation de PyTorch, comme le montre l’image ci-dessous.
   
   
   Une fois le processus de téléchargement terminé, votre terminal devrait ressembler à l’image ci-dessous.
   
   
   Après avoir installé votre PyTorch, la prochaine étape consiste à vérifier si votre installation a réussi. Vous pouvez le faire en tapant les commandes suivantes dans votre invite Anaconda :
   
   Tout d’abord, exécutez la commande : «nvcc –version», comme indiqué ci-dessous.
   
   
   Si la commande réussit, exécutez la commande suivante : «nvidia-smi», comme indiqué ci-dessous.
   
   
   Si les deux commandes ci-dessus fonctionnent, alors sachez que vous êtes sur la bonne voie.
   
   NB : Vous avez peut-être remarqué que nous avons installé CUDA 11.8, mais après avoir exécuté le «nvidia-smi», vous avez remarqué en haut à droite de l’affichage tabulaire ci-dessus que la version CUDA affichée est 12.2.
   
   C’est simplement parce que certains pilotes graphique peuvent être fournis avec une version supérieure de CUDA et, par conséquent, mettront à niveau la version actuelle de CUDA lors de l’installation.
   
   C’est aussi une des raisons pour lesquelles je pense qu’il est préférable que le pilote graphique soit installé après l’installation de CUDA et cuDNN, ce qui peut paraître contre-intuitif à première vue. Je n’ai pas trouvé de moyen d’empêcher la mise à niveau du pilote
   
   Néanmoins, j’ai également découvert qu’elle ne posait aucun problème au processus d’installation.

9. Étape 9: Installer Ipykernel

   Pour cesser d’utiliser l’environnement par défaut d’Anaconda (base), à l’utilisation de votre environnement TensorFlow (tf) que vous avez créé précédemment et vice versa, vous utiliserez normalement le «conda activer tf» ou «conda activer la base» commandes.
   
   Le problème est que, au sein de l’EDI, vous n’auriez peut-être pas le luxe de toujours faire cela, d’où la nécessité d’un pont tel que le paquet «ipykernel», qui vous permet de basculer entre l’environnement par défaut d’Anaconda (base) et l’environnement TensorFlow (tf) en toute facilité.
   
   Nous allons donc installer le paquet «ipykernel», qui va nous aider à basculer entre nos différents environnements Anaconda sans avoir à accéder à l’interface de ligne de commande, à tapper des choses et à redémarrer nos EDI à tout moment.
   
   Pour installer le paquet «ipykernel», lancez simplement votre invite anaconda et tapez la commande «pip installer ipykernel» comme indiqué ci-dessous.
   
   
   Exécutez la commande ci-dessus à la fois dans l’environnement (base) et dans l’environnement (tf), pour vous assurer qu’il est disponible pour passer de n’importe quel environnement utilisé à n’importe quel environnement ciblé.

10. Étape 10: Installer et Configurer l’EDI

    Après avoir installé tout ce qui précède, vous souhaiterez peut-être le configurer pour qu’il fonctionne correctement avec votre EDI afin que vous puissiez vous mettre au travail et oublier complètement que vous avez déjà effectué une installation époustouflante comme celle-ci.
    
    Dans cette étape, vous pouvez suivre avec n’importe quel EDI de votre choix. Vous pouvez utiliser Jupyter Notebook, Jupyter Lab, etc.
    
    Si vous souhaitez continuer avec Jupyter Notebook, vous devrez alors installer Anaconda Navigator, en lançant votre invite Anaconda et en exécutant la commande «conda install anaconda-navigator».
    
    À partir de là, vous pouvez ensuite exécuter la commande «anaconda-navigateur» pour lancer l’interface utilisateur Anaconda, puis cliquez sur le bouton «Installez Jupyter Notebook ou Installez Jupyter Labs» pour installer l’EDI que vous souhaitez utiliser.
    
    Vous pouvez également installer Jupyter Notebook en exécutant la commande «conda install jupyter». Ensuite, dans Anaconda Prompt, vous pouvez le lancer avec la commande «jupyter notebook».
    
    Tout ce qui précède est très bien, mais je préfère personnellement utiliser VSCODE plutôt que l’EDI Jupyter Notebook pour mes projets d’IA, de machine learning et de science des données pour 2 raisons simples.
    
    1. Il est moins coûteux en termes de resources informatique d’utiliser VSCODE étant donné que vous n’avez pas besoin d’ouvrir un navigateur pour l’exécuter, et les navigateurs nécessitent généralement beaucoup de RAM pour fonctionner, vous économisez donc de la RAM.
    
    2. L’EDI, Jupyter Notebook, ne vous permet pas d’étendre ses fonctionnalités avec des plugins comme le fait VSCODE. Cela signifie, aucune version contrôlé avec Git, pas de mode sombre, etc.
    
    Je vais donc poursuivre ce tutoriel avec VSCODE. Alors, rendez-vous sur le site officiel de Microsoft pour télécharger Visual Studio Code ici et téléchargez-le.
    
    Une fois téléchargé, lancez l’installation fichier d’exécution et suivez le guide d’installation jusqu’à la fin, comme indiqué ci-dessous.
    
    
    Cliquez sur le bouton «Suivant>» jusqu’à ce que vous atteigniez la section de «Sélectionnez des tâches supplémentaires».
    
    Sur cette page, sélectionnez (Ajouter l’action “Ouvrir avec code” au menu contextuel du fichier de l’Explorateur Windows) et aussi (Ajouter l’action “Ouvrir avec code” au menu contextuel du répertoire de l’Explorateur Windows), pour améliorer votre expérience d’utilisation de l’EDI.
    
    Cela vous permettra d’ouvrir un fichier source et de le modifier, en cliquant simplement avec le clique droit sur le fichier et en sélectionnant «Ouvrir avec VSCODE» dans le menu contextuel de Windows.
    
    Sélectionnez «Suivant» et attendez la fin de l’installation, comme indiqué ci-dessous.
    
    
    
    Maintenant, dans VSCODE, accédez à la section d’extension et recherchez «jupyter» et vous verrez les extensions s’afficher dans les résultats de la recherche. Assurez-vous d’être connecté à l’Internet avant de lancer la recherche.
    
    
    Sélectionnez le premier résultat de recherche appelé «Jupyter». Une fois sélectionné, vous verrez qu’il s’agit en fait d’un pack d’extensions. Installez toutes les extensions.
    
    
    Lorsque tout est installé, vous devez tester votre EDI pour voir s’il fonctionne correctement avec l’extension Jupyter Notebook et tous les éléments précédents installés. J’ai donc préparé ci-dessous un code de test, que vous pouvez utiliser pour tester votre système.
    
    Téléchargez le code en utilisant le lien ci-dessous.
    TÉLÉCHARGEMENT DE CUDA TESTER
    
    Decompressez le code téléchargé.
    
    Faites un clique droit sur le fichier extrait, puis sélectionnez le «Ouvrir avec le code» dans le menu contextuel. Vous devriez voir quelque chose de similaire à l’image ci-dessous.
    
    
    En haut à droite, cliquez sur l’option «Sélectionnez le noyau», comme indiqué ci-dessous.
    
    
    Après avoir cliqué sur le bouton «Sélectionnez le noyau», un menu apparaîtra, en haut de l’EDI, vous demandant de choisir entre «Environnements Python…» et «Serveur Jupyter existant…». Choisissez «Environnements Python…», comme indiqué ci-dessous.
    
    
    Après avoir choisi l’option ci-dessus, une autre fenêtre contextuelle apparaîtra, vous demandant de choisir entre l’environnement miniconda3 par défaut et l’environnement TensorFlow que vous avez créé précédemment, choisissez l’environnement TensorFlow, comme indiqué ci-dessous.
    
    
    Après choisi vos environnements à utiliser pour exécuter le code, exécutez le code en cliquant sur le bouton «Exécuter tout».
    
    
    OK, donc le moment de vérité, si tout fonctionne bien, vous devriez voir le résultat suivant.
    
    
    Si vous n’avez pas vu le résultat ci-dessus, cela signifie que vous avez probablement eu un problème en cours de route. Vous pouvez essayer de parcourir cette article à nouveau et vous assurer que tout a été correctement fait.
    
    Si vous préférez copier des parties du code ou lire l’intégralité du contenu du fichier source téléchargé avant de l’extraire et de l’exécuter, consultez le code source brut ci-dessous.