基于GeForce GT 730显卡的Pytorch-GPU环境及Spyder配置

最新推荐文章于 2024-12-19 14:43:26 发布

老师好我叫高同学

最新推荐文章于 2024-12-19 14:43:26 发布

阅读量7.8k

点赞数 6

文章标签： pytorch 深度学习 python

本文链接：https://blog.csdn.net/Sisyphus7/article/details/126676955

版权

打开 cmd 面板，输入 nvidia-smi 命令，显示 NVIDIA 显卡基本信息和相关进程占用显存情况

算力及显卡对照表：CUDA GPUs - Compute Capability | NVIDIA Developer

GeForce GT 730-4G (DDR5) 的算力为3.5，根据算力匹配pytorch版本

配置步骤：

1.下载并安装 Anaconda；

2.在 Windows 上打开开始菜单并打开 Anaconda 命令提示符（Anaconda Prompt）。

3.创建pytorch环境；

conda create -n PyTorch python=3.7

4.安装 pytorch：

conda install pytorch==1.2.0 torchvision==0.4.0 cudat

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

老师好我叫高同学

关注关注

6
点赞
踩
31

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

Ubuntu16.04超低配版显卡GTX730配置pytorch-gpu+cuda9.0+cudnn

Zenghui_1220的博客

12-19

8505

一、前言今天闲来无事配置了一下超低配显卡GTX730，我想都是显卡说不定也能用cuda+cudnn呢，结果上nvidia官网一查，果不其然，有我大GTX730^_^，那我的730也能用cuda 了。网上介绍安装cuda+cudnn+pytorch/tensorflow/caffe的博文特别多，我写的这篇不是说我的方法多好，只是想告诉大家装cuda+cudnn最好的方式是去nvidia的官网查看英文

win10+python3.6+tensorflow-gpu1.7+spyder+cuda9.0+cuDNN7.0.5环境配置

qq_41430710的博客

08-18

598

之前做本科毕业设计的时候就用tensorflow做深度学习相关的内容，当时受限于电脑的配置，无法使用tensorflow-gpu，再读研前换了电脑，并准备安装tensorflow-gpu，据说速度特别快，于是按照网上的一些教程，安装了上去，本以为安装好了，然而在一次运行到大的数据时发生了错误才知道竟然一直用的是cpu，并未使用gpu，按照https://blog.csdn.net/lwhsyit/...

2 条评论您还未登录，请先登录后发表或查看评论

Nvidia GeForce GT730不支持Pytorch 1.2.x GPU功能与可能解决办法及Pytorch各版本CUDA Capability兼容列表

cloudflash的博客

10-31

1万+

Pytorch计算能力支持情况（GPU-CUDA Compute Capability）

PyTorch（GeForce GT 730）环境搭建

最新发布

杨

12-19

1178

显卡： GeForce GT 730结论：安装成功，但是在参考文章时，遇到错误暂时没有解决，有点心累。换一个好一点的显卡，运行上MNIST识别应该会成功吧。

2021-10-26 Anaconda配置Pytorch-Gpu环境

weixin_51556125的博客

10-26

873

首先安装Anaconda 官方地址如下： https://www.anaconda.com/products/individual 直接下载安装就可以了，安装过程中可以选择添加环境变量到系统中，这样后面就可以不用手动添加。 Pytorch环境配置本机电脑配置：显卡：GeForce GT 730 在配置环境之前首先需要查找自己电脑的显卡所对应的CUDA版本，版本过高或过低都会导致运行程序时出错。查找到对应CUDA版本时到官网去下载（可以使用迅雷下载这样更快，直接右键复制链接到迅雷）https://dev

spyder tensorflow-GPU配置

qq_42087574的博客

07-02

2419

py37利用anacond3穿件一个新的虚拟环境起名tc2 接着按照对应的版本分贝按tensorflow2.3.0 、cudnn7.6和cuda10.1（因为我的英伟达GPU版本是11.5，所以要选小于11.5的版本）打开TC2环境下的终端验证是否安装成功pythonimport tensorflow as tftf.__version__import tensorflow as tf tf.config.list_physical_devices('GPU')最后的输出为： [Physical

anaconda（Spyder）_tensorflow_cpu/gpu安装配置

01-17

总结出来的整套配置anaconda（Spyder）+tensorflow+CPU/GPU的安装配置；以及踩过的各种坑及解决方法；良心总结

Ubuntu16.04用Spyder使用Keras的GPU环境搭建

东方水锦树

07-24

1969

入坑几天，装无数次，为了防止忘记及以后还要安装，特写下此文以供参考。首先，报一下我的设备：Ubuntu16.04TL，NVIDIA Geforce 680，这是比较老的GPU了，姑且用来做初步实验。（后来这篇文章又帮助我安装了另一台机器，显卡不同，是NVIDIA GeForce Titan Black）附：Ubuntu 更换国内源建议装好Ubuntu后先更换源，这样下载比较快然后，...

suse SLE 12 SP3 安装 GeForce GT 730 显卡驱动

以梦为马|越骑越傻

08-07

1875

关于 x configuration 的，我直接 true 了。进度条结束后，会出来下面的画面，一些警告，回车就行。，找到自己对应的驱动，然后查询和下载。显示显卡的信息，以及是否有进程在使用。文件，可以直接 bash 执行，询问是否安装，选择 true。提示安装完成，回车就可以了。

【深度学习】为Tesla K40c（显卡算力小于3.5）安装pytorch（要求显卡算力3.7以上）笔记

没有最好，只有更好

08-29

3678

因为我的显卡算力是3.5，但pytorch支持最低的算力是3.7。所以直接在pytorch官网下载的pytorch用不了。

【免费】CUDA 10分钟快速入门教程

09-09

10分钟让你快速入门CUDA，让你快速在你的机器上搭建CUDA深度学习环境，快速进行GPU加深你的深度学习。史上最全最快的入门教程，涵盖所有的平台。

在GT 820M显卡的笔记本上安装PyTorch的尝试

图像处理、SLAM、PCL、OpenCV爱好者

01-20

4234

笔记本是联想G50-70m，显卡是gt 820M，在宿舍隔离，手边只有这个老旧笔记本，闲来无事，准备在它上面安装PyTorch玩玩儿文章目录安装报错探索确定cuda版本确定驱动版本确定pytorch版本确定torchvision版本安装测试（失败）结论安装官网https://pytorch.org/get-started/locally/中有详细的安装方法，并且文档提供了一个工具，选择好你的环境后，提示安装方法，比如：安装命令为： conda install pytorch torchvisi.

RuntimeError: cuDNN error: CUDNN_STATUS_ARCH_MISMATCH

weixin_49872110的博客

02-03

873

RuntimeError: cuDNN error: CUDNN_STATUS_ARCH_MISMATCH 简单点说就是GPU能力不行，我暂时没有找到好办法去处理，有没有大佬可以救救。

Windows10+Darknet+YOLOv3训练自己数据（GPU）——2.CUDA+cuDNN+Darknet框架配置

qq_34241387的博客

09-09

1512

2.CUDA+cuDNN+Darknet框架配置第一次尝试了博主基于Keras/TensorFlow框架的YOLOv3模型训练方法，该方法操作起来比较便捷，也容易上手，但是用CPU训练模型，我有2000张图片，训练时粗略计算了一下需要750+h的时间，整整31个昼夜啊！！！万一最后模型不理想，那岂不是要搞好几个月。所以后面果断放弃，如果训练样本少的小伙伴可以尝试此法，的确很便捷。第二次基于Darknet框架使用GPU训练模型，仅需要66个小时，速度快得让人睡着都能笑醒。由于大多数教程都是针对Linux系

pytorch GPU版安装与N卡显卡驱动升级踩坑

zhr1030635594的博客

06-10

3284

首先设置conda的清华源 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.

Windows源码编译Pytorch和Detectron2记录

Renaisence的博客

07-31

671

想在实验室电脑上搭建Detectron2环境以方便改代码，cpu版的倒是好搭建，但是由于实验电脑过于老旧（GT730 (ㄒoㄒ)），在安装CUDA版的pytorch后，发现pytorch在1.3版本后不在支持算力低的显卡，而detectron2又不支持版本低的pytorch，无奈只能从source from安装pytorch，下面给出我安装CUDA版时的方法和我踩过的坑： 1.安装CUDA和cudnn： https://blog.csdn.net/sinat_23619409/...

解决pytorch安装问题，以及NVIDIA CUDA与显卡驱动对照表

Nano_RK的博客

04-25

1万+

现在pytorch都是官网一键复制安装，很简单。但是新手还是容易出现以下两个问题，原因是当显卡驱动与cuda不匹配（极少数是pytorch版本问题）： >>> torch.cuda.is_available <function is_available at 0x0000021667561678> or >>> nvcc -V Traceb...

机器学习 | win10 Linux 上 pytorch 的安装（GPU）版本

ziwuningxinag的博客

07-12

656

这几天配置自己的笔记本和实验室服务器，遇到了很多坑，把过程总结一下。 1. 安装前的准备工作检查电脑的驱动的各个版本 2. 安装NVIDIA 显卡驱动查看自己显卡的型号，具体方法是，win10查看设备管理器显示适配器然后去官网下载驱动，官网地址：https://www.nvidia.cn/Download/index.aspx?lang=cn 3.安装cuda和c...

CUDA计算能力&显卡对照表