目录
一. 查看本机cuda版本
在Anaconda中打开终端,输入命令如下:
NVIDIA-SMI
显示如下,表明我的cuda版本是11.7:
二. 查看对应cuda版本的pytorch
打开pytorch官网:pytorch官网,显示的是最新版本的pytorch
但这个pytorch的cuda版本未必适合自己的电脑,因此可以打开以前版本的pytorch网址:以前版本的 PYTORCH
注意:需要注意的是,尽量别使用清华源等国内镜像进行下载,好像说镜像下载没有cuda,反正之前镜像源下载的启用不了cuda。虽然官网下载慢一点,但最好还是官网下载吧
三. 安装对应cuda版本的pytorch
寻找选择适合自己电脑的cuda版本,比刚才查看的所支持的CUDA 版本低就行
以管理员身份运行 Anaconda Prompt,激活所需要安装cuda版本的pytorch的虚拟环境,示例如下:
conda activate pytorch
按照个人喜好选择pip或者conda随便一种进行安装就行,比如我选择conda安装,则如下:
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia
注意:请注意要使用管理员权限去运行Anaconda Prompt,如果直接在终端中运行则会出现像我这样没有写入权限的报错(或者也可以浏览我的另一篇笔记,对文件夹权限进行修改就可以在终端中进行安装):
四. 验证cuda版本的pytorch安装
1. 直接在终端中验证
打开Anaconda的python控制台,输入代码如下:
import torch
print(torch.cuda.is_available()) # 检查 CUDA 是否可用
如果pytorch和cuda成功安装,你会看到输出示例如下:
运行代码如下:
import torch
print(torch.cuda.is_available()) # 检查 CUDA 是否可用
print(torch.__version__) # 打印 PyTorch 版本
print(torch.version.cuda) # 打印 CUDA 版本
print(torch.cuda.get_device_name(0)) # 打印 GPU 设备名称
2. 在Anaconda Prompt中进行验证
在当前已经激活的 (pytorch)
环境中,运行以下代码打开python交互环境:
python
在 Python 交互环境中,运行以下代码:
import torch
print(torch.cuda.is_available()) # 检查 CUDA 是否可用
如果pytorch和cuda成功安装,你会看到输出示例如下:
运行代码如下:
import torch
print(torch.cuda.is_available()) # 检查 CUDA 是否可用
print(torch.__version__) # 打印 PyTorch 版本
print(torch.version.cuda) # 打印 CUDA 版本
print(torch.cuda.get_device_name(0)) # 打印 GPU 设备名称