一、安装CUDA
命令行查看驱动版本及可支持的最高CUDA版本
Win+R输入cmd打开命令行,输入命令NVIDIA-smi查看
查看显卡是否在支持CUDA安装的列表中
下载安装
下载cuda地址:https://developer.nvidia.com/cuda-toolkit-archive
https://developer.nvidia.com/cuda-11.3.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=Server+2016&target_type=exe_local
参考:https://blog.csdn.net/weixin_42984235/article/details/128216440
验证安装是否成功
打开新的控制台,输入nvcc -V
二、cuDNN下载![https://developer.nvidia.com/rdp/cudnn-archive#a-collapse897-118 cuDNN下载网址](https://img-blog.csdnimg.cn/direct/b546eff037324625bf3d86ed248e84d9.png)
复制链接 迅雷下载
下载完成后解压,将文件夹下的三个子文件复制到cuda安装路径下的CUDA1下
三、pytorch安装
- 官网下载
https://pytorch.org/
2.离线下载
官网下载特别慢,建议离线现在
- 参考博客:离线下载1
- 离线包下载网站:https://download.pytorch.org/whl/torch
- 文件命名规则,如 torch-1.9.0+cu102-cp38-cp38-win_amd64.whl,表示1.9.0版本的pytorch,支持cuda10.2和python3.8,window64位系统
下载的pytorch版本要和电脑中python的版本相对应,否则无法安装
3.安装
// 切换到虚拟环境,使用命令安装
pip install [路径]
// 验证安装是否成功,切换到python命令验证
import torch
print(torch.__version__)
5.安装torchvision
- 查看版本torchvision
torch与torchvision对应关系,来源:官方Repo: vision
- 命令行安装
// 切换到虚拟环境,使用命令安装
pip install [路径]
// 验证安装是否成功,切换到python命令验证
import torch
print(torch.__version__)
附录
torch版本(whl文件)下载地址:
https://download.pytorch.org/whl/torch_stable.html
配置镜像源
如果conda下载过慢,可配置镜像源,
参考博客:https://blog.csdn.net/Supremelv/article/details/132826458?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522171159297616800222850940%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=171159297616800222850940&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allsobaiduend~default-4-132826458-null-null.142v100pc_search_result_base6&utm_term=conda%E6%9C%80%E5%85%A8%E9%95%9C%E5%83%8F%E6%BA%90&spm=1018.2226.3001.4187