我在下载完CUDA后发现我的conda环境中并没有CUDA,我通过搜索网站确定我们安装 CUDA 到计算机后,CUDA 并不会自动包含在 Conda 环境中。这就意味着我们在 Conda 环境中使用 CUDA,需要手动安装适用于该环境的 CUDA 版本,还有要确保环境变量和路径设置正确。
以下是我解决该问题总结的方法的详细的步骤指南:
1. 安装 CUDA
1.1 下载 CUDA Toolkit
首先,从 NVIDIA 官网下载适合你系统的 CUDA Toolkit 安装程序。访问 NVIDIA 官网下载页 并选择适合你操作系统和硬件配置的版本。请确保选择与你的显卡兼容的版本。
1.2 安装 CUDA Toolkit
下载完成后,按照 CUDA Toolkit 的安装向导进行安装。在安装过程中,可以选择是否安装 cuDNN 和其他组件。安装完成后,确保 CUDA 的 bin
目录已添加到系统的环境变量中。
2. 创建并激活 Conda 环境
打开命令提示符或 PowerShell,并输入以下命令以创建一个新的 Conda 环境,并激活它:
conda create -n cuda_env python=3.8 conda activate cuda_env
3. 安装 PyTorch
3.1 选择正确的 PyTorch 版本
在安装 PyTorch 之前,确定你的 CUDA 版本,以及是否需要安装 cuDNN。在 Conda 环境中,你可以通过以下方式安装适合你的 PyTorch 版本:
3.2 使用 Conda 安装 PyTorch
在 Conda 环境中,可以使用 Conda 命令或者 pip 安装 PyTorch。推荐使用 Conda 安装,因为它可以处理依赖项。
# 使用 Conda 安装 PyTorch
conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch
这里,cudatoolkit=11.8
应该与你安装的 CUDA 版本匹配。
3.3 使用 pip 安装 PyTorch
如果你想使用 pip 安装,可以执行以下命令:
pip install torch torchvision torchaudio
但需要确保你已经正确安装了 CUDA 和 cuDNN,并且环境变量已设置正确。
4. 验证安装
安装完成后,可以通过简单的 Python 脚本验证 PyTorch 是否正确安装,并且是否能够使用 GPU 加速:
import torch
# 检查 CUDA 是否可用
print(torch.cuda.is_available())
# 输出当前 CUDA 版本
print(torch.version.cuda)
5. 设置环境变量
如果安装完成后在使用时出现问题,你可能需要手动配置环境变量:
- CUDA_PATH:指向 CUDA Toolkit 的安装目录。
- PATH:确保 CUDA 的
bin
目录和其他相关目录在 PATH 中。 - LD_LIBRARY_PATH(Linux/macOS):确保 CUDA 的库文件路径在 LD_LIBRARY_PATH 中。
以上便是我解决conda环境下载Pytorch和CUDA 的全部内容。