我个人是新买的40系显卡 每次装环境要找好多文章感觉很乱 故自己整理了一个
【因为版本对应什么的比较麻烦 我这里就不一一介绍对应规则了 40系显卡的直接和我装同一个版本的就行了 亲测已经安装成功 就按照顺序一个一个往下装就行了】
2024年4月16日更新:
有的小伙伴的显卡可能会比较旧 担心这个教程里面的文件版本是否匹配:
我们只需要保证显卡驱动的版本符合cuda版本的要求就行 参考环境配置:选择正确版本的CUDA和PyTorch安装(windows) - 知乎 (zhihu.com)
因为有的小伙伴们有可能会在访问各种官网的时候进不去,我把文章内用到的所有安装包都传我自己度盘了:
链接:https://pan.baidu.com/s/1vk6iQzo-moJueWSeu5IQug?pwd=P1nk
提取码:P1nk
下面是步骤:
1.安装Anaconda 我下的是这个版本
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.09-0-Windows-x86_64.exe
下载好后执行以上代码①设置镜像源 ②创建python311环境 ③安装numpy
# 打开conda的控制台 依次输入指令↓
# ①先配置conda的镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
# 设置搜索时显示通道地址 从channel中安装包时显示channel的url,这样就可以知道包的安装来源
conda config --set show_channel_urls yes
conda config --show
# ②创建一个3.11的python环境
conda create -n py311 python=3.11 //创建名为py311,python版本3.11的虚拟环境
conda activate environment_name //激活名字为environment_name的虚拟环境
# ③记得先安装numpy 不然后续的安装会出问题
conda install numpy
#附带conda和pip临时镜像源的指令 我自己老忘 于是也整理一下
#conda临时镜像
conda install cudnn=7.6.5 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
#pip临时镜像
pip install package_name -i https://pypi.tuna.tsinghua.edu.cn/simple
2.安装cuda和cudnn
链接1:CUDA Toolkit 12.3 Update 1 Downloads | NVIDIA Developer
链接2:cuDNN Download | NVIDIA Developer
安装方法参考:Cuda和cuDNN安装教程(超级详细)
我安装的版本:
cuda_12.3.1_546.12_windows
cudnn-windows-x86_64-8.9.6.50_cuda12-archive
3.下载安装torch
地址:download.pytorch.org/whl/torch_stable.html
我下载的版本:torch-2.1.1%2Bcu121-cp311-cp311-win_amd64.whl
直接Ctrl+F搜索就能跳转到
下载好后的位置:G:\Download\torch-2.1.1+cu121-cp311-cp311-win_amd64.whl
下载好后Anaconda中输入指令安装包
# 激活刚刚创建的环境
conda activate py311
# 接下来需要进入到你放刚刚下载torch包的地方
# 例如我存放的路径G:\Download\
# 先进入G盘
G:
# 再进入Download文件夹
cd Download
#使用pip安装本地包
pip install torch-2.1.1+cu121-cp311-cp311-win_amd64.whl
4.安装结束后进行测试
#激活环境和python
conda activate py311
python
import torch
print(torch.cuda.is_available())
#输出 True 则安装成功
结果:
# TEST
import torch
from torch.backends import cudnn
x = torch.Tensor([1.0])
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
xx = x.cuda()
print("torch版本:", torch.__version__)
print("torch_cudatoolkit版本:", torch.version.cuda)
print("torch_cuda_可用:", torch.cuda.is_available())
print("torch_cuda_计算:", xx)
print("torch_cudnn_可用:", cudnn.is_acceptable(xx))
结果:
提示cuda可用 cudnn可用 安装成功