⋮

# 使用前准备

本文介绍使用 ROM Builder 工具箱前所需的环境配置步骤。请务必按照以下流程完成环境准备，否则工具箱可能无法正常启动。

# Python 环境与 torch 库安装

如未正确配置 Python 环境或未安装 torch 库，ROM Builder 工具箱将无法运行。

# 1 安装 torch 库

工具箱依赖 torch 库。当前推荐版本为 torch 2.3.1（Win11 推荐 2.3.1，Win7 推荐 1.9.1）。

安装步骤：

  1. 以管理员身份打开 Windows 命令提示符（CMD）。

    • 在 Windows 搜索框输入 CMD，右键选择“以管理员身份运行”。

  2. 切换到用户的 Sysplorer 的 Python 环境目录（通常位于用户的 Sysplorer 安装目录/External/python64）。

    • 例如，先切换到安装盘符 D:，再输入：
    cd D:\MWORKS\Sysplorer 2026a\External\python64

    提示

    成功进入命令行界面如下，注意下面路径应为用户安装路径：

  3. 安装 torch 库。

    • 推荐使用清华镜像源加速下载：
    python -m pip install torch==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

    提示

    • 下载 Python 第三方库时建议使用镜像源（如清华镜像 (opens new window)）。
    • 内网环境可先在外网安装好后，将 python64 文件夹整体复制到内网。

  4. 检查 torch 是否安装成功。

    • 输入 python 进入 Python 环境，执行 import torch 检查。

    提示

    • 成功安装 torch 时，界面如上图。
    • 若出现下图提示，说明 torch 未安装成功，请检查路径并重复安装步骤。

# CUDA 与 cuDNN 环境配置

如需使用 GPU 加速训练，需安装与 torch 2.3.1 兼容的 CUDA 版本，并建议安装 cuDNN。

# 1 CUDA 版本选择与安装流程

推荐 CUDA 版本：

  • torch 2.3.1 官方推荐 CUDA 12.1 或 CUDA 12.2。
  • 建议优先安装 CUDA 12.1（稳定性更好，兼容性广泛）。

安装步骤：

  1. 打开 NVIDIA CUDA Toolkit 官网 (opens new window)。

  2. 在页面中选择 Windows 操作系统，下载 CUDA Toolkit 12.1（推荐使用“exe（本地）”安装包）。

  3. 下载完成后，双击运行安装包，按照提示完成安装。

  4. 安装过程中建议选择“自定义安装”，勾选“驱动程序”、“CUDA 工具包”、“CUDA Samples”等全部选项。

  5. 安装完成后，重启电脑。

  6. 验证 CUDA 是否安装成功：

    • 打开命令提示符，输入：

      nvcc --version

      若显示 CUDA 12.1 版本信息，则安装成功。

    • 也可在 Python 环境中输入：

      import torch
print(torch.cuda.is_available())
print(torch.version.cuda)

      若返回 True 且显示 CUDA 12.1，说明 torch 已正确识别 CUDA。

提示

  • CUDA 12.1 安装包下载地址（无需自行查找）： https://developer.nvidia.com/cuda-12-1-0-download-archive
  • 若 torch 未能识别 CUDA，请检查环境变量（如 PATH、CUDA_HOME）是否正确设置。
  • 建议优先安装 NVIDIA 官方驱动，避免与 Windows 自动更新驱动冲突。

# 2 cuDNN 安装说明

什么是 cuDNN？

  • cuDNN（NVIDIA CUDA Deep Neural Network library）是 NVIDIA 提供的深度学习加速库，专为神经网络计算优化。
  • 安装 cuDNN 可显著提升神经网络训练和推理的速度，尤其在使用 torch、TensorFlow 等框架时。

安装步骤：

  1. 打开 NVIDIA cuDNN 官网 (opens new window)。
  2. 注册并登录 NVIDIA 账号后，下载与 CUDA 12.1 对应的 cuDNN 版本（如 cuDNN 9.x for CUDA 12.x）。
  3. 下载后解压，按说明将 cuDNN 文件（bin、lib、include 文件夹内容）复制到 CUDA Toolkit 安装目录（如 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1）下的对应文件夹。
  4. 完成后，建议重启电脑。
  5. 验证 cuDNN 是否安装成功：
    • 在 Python 环境中输入：
    import torch
print(torch.backends.cudnn.enabled)
print(torch.backends.cudnn.version())
    • 若返回 True 且显示 cuDNN 版本号，说明安装成功。

提示

  • cuDNN 下载地址（无需自行查找）： https://developer.nvidia.com/rdp/cudnn-archive
  • 下载时请选择与 CUDA 12.1 匹配的 cuDNN 版本。
  • 安装 cuDNN 后如遇 torch 无法识别，请检查文件复制路径和环境变量设置。