Pytorch环境配置——cuda、、cudnn、torch、torchvision对应版本（最全）及安装方法

已于 2023-05-09 10:55:34 修改
阅读量6.4w 收藏 758
点赞数 109
分类专栏： Ubuntu PyTorch Windows 文章标签： 深度学习环境配置 pytorch cuda cudnn torchvision
于 2022-04-02 16:05:21 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Williamcsj/article/details/123915652
版权

Pytorch环境配置——cuda、、cudnn、torch、torchvision对应版本（最全）及安装方法

一、查询可支持的最高cuda版本

在安装显卡驱动的前提下（显卡驱动安装方法），输入：

nvidia-smi

在这里插入图片描述
可以看到该电脑可以支持的cuda版本最高是11.4，驱动是向下兼容的，所以cuda版本小于等于11.4的都可以安装上。
（如果想安装的cuda版本不在可支持的cuda版本内，则可以考虑升级电脑的内核，从而实现对cuda高版本的安装。具体cuda版本及需要的内核详见：CUDA Toolkit and Corresponding Driver Versions ）

二、查看cuda、cudnn、pytorch、torchvision对应版本

表1 cuda与cudnn对应的版本
cudacudnn
11.58.3.3、8.3.2、8.3.1、8.3.0、8.2.1、8.2.0
11.48.2.4、8.2.2、8.2.1、8.2.0
11.38.2.1、8.2.0
11.28.2.1、8.2.0、8.1.1、8.1.0
11.18.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.5、8.0.4
11.08.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.4、8.0.3、8.0.2、8.0.1
10.28.3.3、8.3.2、8.3.1、8.3.0、8.2.4、8.2.2、8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.4、8.0.3、8.0.2、8.0.1、7.6.5
10.18.0.5、8.0.4、8.0.3、8.0.2、7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0
10.07.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.3.0
9.27.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.2.1、7.1.4、7.1.2
9.17.1.3、7.1.2、7.0.5
9.07.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.3.0、7.1.4、7.1.3、7.1.2、7.0.5、7.0.4
8.07.1.4、7.1.3、7.0.5、6.0、5.1、5
7.55.1、5
7.04、3
6.52、1

cudnn是用于深度神经网络的GPU加速库，cuda是平台，两者都需要安装才可以调用GPU加速。
cuda与cudnn的关系详解
最新 【NVIDIA官网】cuda与cudnn对应的版本

CUDAToolkit是NVIDIA的CUDA工具包,包含了CUDA的全部工具。CUDAToolkit与cuda版本相同。

表2 cuda、CUDAToolkit与pytorch对应的版本
cudaCUDAToolkitpytorch
11.311.31.10.1、1.10.0、1.9.1、1.9.0、1.8.1
11.111.11.10.0、1.9.1、1.9.0、1.8.1、1.8.0
11.011.01.7.1、1.7.0
10.210.21.10.1、1.10.0、1.9.1、1.9.0、1.8.1、1.8.0、1.7.1、1.7.0、1.6.0、1.5.1、1.5.0
10.110.11.7.1、1.7.0、1.6.0、1.5.1、1.5.0、1.4.0
10.010.01.2.0、1.1.0、1.0.1、1.0.0
9.29.21.7.1、1.7.0、1.6.0、1.5.1、1.5.0、1.4.0、1.2.0
9.09.01.1.0、1.0.1、1.0.0
8.08.01.0.0

最新 【pytorch官网】CUDAToolkit与pytorch对应的版本

表3 pytorch与torchvision对应的版本
pytorchtorchvision
1.10.10.11.2
1.10.00.11.0
1.9.10.10.1
1.9.00.10.0
1.8.10.9.1
1.8.00.9.0
1.7.10.8.2
1.7.00.8.0
1.6.00.7.0
1.5.10.6.1
1.5.00.6.0
1.4.00.5.0
1.2.00.4.0
1.1.00.3.0
1.0.10.2.2
1.0.00.2.1

最新 【pytorch官网】pytorch与torchvision对应的版本

三、安装

3.1 Windows上安装

  1. Windows——安装cuda10.2和cudnn7.6.5（两者搭配稳定可靠）
  2. PyTorch——基于Windows环境下的安装教程

3.2 Ubuntu上安装

  1. Ubuntu 18.04——Anaconda + CUDA + Cudnn + Pytorch + TensorRT 深度学习环境配置

四、测试是否安装成功

终端输入：

python

import torch

torch.cuda.is_available()

如果输出为True，则代表安装成功。

五、小贴士

  1. cuda、cudnn需要去官网下载后按照教程安装，这样安装成功几率大，直接命令行安装失败风险很大。
  2. 安装指定版本的pytorch、torchvision、cudatoolkit，在输入安装指令的那一步，直接加上版本号即可。举例：conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c pytorch
【深度学习环境配置】Anaconda + PyCharm + CUDA + cuDNN + PyTorch + OpenCV
shinuone的博客
02-23 1万+
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
python、pytorch、cuda、cuDNN环境配置
wwwwzm的博客
11-22 1697
1）注意pip命令安装与conda命令安装，torch对应的cuda版本可能不一样，具体见官网2）cuda10.2，cuda11.3可以对应多个版本的torch，比较稳定。其中cuda10.2搭配cuDNN7.6.5最稳定可靠。
pytorch与cuda版本匹配
weixin_42755384的博客
04-21 7387
1.使用nividia-smi确保有cuda。根据cuda版本号选择对应的pytorch。，则说明CUDA可以正常工作。
PyTorch中配置CUDA
ThreeS_tones的博客
06-12 6687
PyTorch中配置CUDA，
pycharm中怎么解决系统cuda版本高于pytorch可以支持的版本的问题？
最新发布
weixin_44487892的博客
04-19 1004
pycharm中可以安装与系统cuda不一致的pytorch么？怎么解决系统cuda版本高于pytorch可以支持的版本的问题？
cuda+anaconda+pytorch 环境部署教程
qq_39783265的博客
08-12 1940
1、查看当前显卡支持的最高版本，有两种方式：1）NVIDIA控制面板—>帮助—>系统信息—>组件—>NVCUDA.dll对应版本请注意，12.2为本机CUDA支持的最高版本nvidia-smi显示的同上，也表示cuda支持的最高版本。
cuda12.2 linux gpu torch环境记录
qq_43728463的博客
05-14 4872
显示是12.2的版本，然后去官网查看相对应的安装GPUpytorch的命令。首先，先查看服务器CUDA 版本：nvcc --version。首先在虚拟环境conda安装GPU的pytorch环境，安装以后查看是否成功。
【环境搭建】Python、PyTorch与cuda的版本对应表
weixin_41809117的博客
08-16 5万+
Torch版本可选的CUDA版本支持的Python版本
【Pytorch、torchvision、CUDA 各个版本对应关系以及安装指令】
热门推荐
clmeng77的博客
03-03 15万+
Pytorch、torchvision、CUDA 各个版本对应关系以及安装指令
CUDA、cudnn版本对应及安装
weixin_58322367的博客
01-05 1万+
pytorch gpu版本安装、附下载链接
Pytorch 各个GPU版本CUDA和cuDNN对应版本
风信子的猫Redamancy的快乐星球
12-17 7万+
pytorch 不同版本对应的cuda torch、torchvision、cuda 、python对应版本匹配，参照官网https://pytorch.org/get-started/previous-versions/ CUDA与显卡驱动：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
pytorch与cuda版本对应关系汇总
u011489887的专栏
12-27 4万+
pytorch与cuda版本关系 |cuda版本| 支持pytorch版本 | |–|–| | cuda10.2 | 1.5 ~ 1.12 |
【环境配置】RTX 3090+cuda11.2+python39+pytorch1.8.0（csdn）————程序.pdf
12-04
总的来说，配置这样一个环境需要安装Python、CUDA、CUDNN和PyTorch，每个步骤都需要注意版本的匹配和环境变量的设置。验证所有组件的正确安装和运行是关键，确保深度学习模型能够在GPU上顺利运行。通过这样的实践，...
Conda虚拟环境中CUDA、cudnn、pytorch安装
m0_62118546的博客
01-13 924
显卡 || CUDA = DRIVER驱动 + 动态链接库 |一个电脑只需要装一个完整的CUDA（即DRIVER+动态链接库）。在虚拟环境中，只需要装部分cuda，即动态链接库即可。
Ubuntu搭建Pytorch环境（Anaconda、Cuda、cuDNN、Pytorch、Python、Pycharm、Jupyter）
funfan的博客
07-20 1万+
Ubuntu搭建Pytorch环境（Anconda、Cuda、Pytorch、Python、Pycharm、Jupyter）
RTX3060+win10+CUDA11.2+cudnn8.2.0+pytorch1.8.0 环境——个人配置经验
zxm_的博客
10-26 1万+
主要参考博客 Win10+CUDA11.0+RTX 3060ti GPU深度学习主机 pytorch 环境 Windows 10系统在Anaconda下安装GPU版Pytorch 以下是我亲测有效的使用 RTX 3060 的各部分安装版本 电脑系统：window 10 python版本：3.6.13 pytorch版本：1.8.0 CUDA版本：11.2 cuDNN版本：8.2.0.53 以下是我个人安装教程，仅供参考，如果出现新问题我恐怕可不能解决，谨慎参考，大神请随意~ 注意，我的安装顺序可能有问题！！
训练时发现cuda版本和pytorch版本不匹配！
weixin_65350557的博客
01-08 5865
（有的人两次命令的cuda版本不一致，其实是因为CUDA 有两种API，分别是运行 API 和 驱动API，即所谓的 Runtime API 与 Driver API。我的torch是2.0.1的cuda12.1版本，上面代码输出的是False，应该是torch版本不匹配，然后我换成了torch2.0.1+cu118版本，就可以正常使用了，torch这方面的坑还是挺多的，尤其是版本不匹配的问题，可以到torch官网或github查看。在进行任务训练的时候，发现代码没有报错，但是gpu无法使用。
pytorch与cudatoolkit,cudnn对应关系及安装相应的版本
玖玖玖
11-06 9927
从驱动和运行时的版本对应关系来看，版本为384.81的驱动程序 对应的 运行时版本是9.0，也就是说我们在python中安装cudatoolkit和cudnn程序包版本9.2是过高了。然后安装对应版本的cudatoolkit和cudnn程序包：pip install cudatoolkit=9.0；因为系统中依赖GPU驱动的程序比较多，一般出现这种情况，我们都是更改cudatoolkit和cudnn程序包的版本。CUDA Version: 12.0 表明当前的显卡驱动可以安装的cuda最高版本是12.0。
安装CUDA和cuDNN已及对应版本的torch方法整理
2302_77407111的博客
12-24 1万+
这里我们要注意对应我们的CUDA版本，我这里选择了11.8版本，很慢但不建议使用清华或者淘宝等国内的镜像源，他们那个里面很可能是CPU版本，我们直接将torch，torchaudio,torchvision这三个库一次性下载下来。我们这里要十分注意下载的时候一定要完全完全对应我们的版本，不然cuda是无法调用的，我们之前装的torch建议卸载掉，因为很可能是CPU版本的，这里有两种方法。这里的意思是你的电脑适合12.1以下的版本的CUDA版本，注意千万不能下载高于你电脑适配版本的CUDA。
cuda12.2安装教程
03-01
### CUDA 12.2 安装指南 #### 确认硬件兼容性和驱动版本 在安装 CUDA 之前，确认计算机的 GPU 支持所需的 CUDA 版本非常重要。对于 CUDA 12.2，对应的显卡驱动应支持此版本。如果当前使用的显卡驱动不匹配，则需更新至合适的版本[^1]。 #### 下载 CUDA Toolkit 访问[NVIDIA 开发者网站](https://developer.nvidia.com/cuda-downloads)，选择适用于操作系统的 CUDA 12.2 版本来下载。确保按照个人的操作系统环境（Linux、Windows 或 macOS）以及架构来挑选正确的安装包[^3]。 #### 执行安装过程 启动安装程序并遵循向导提示完成基本设置。通常情况下，默认选项即可满足大多数需求；但对于特定应用可能需要自定义配置。注意，在 Linux 上可以选择运行.run 文件来进行本地安装。 #### 设置环境变量 为了使编译器和其他工具能够找到 CUDA 库的位置，建议修改 `.bashrc` 或其他 shell 配置文件以永久性地加入如下两行： ```bash export PATH=/usr/local/cuda-12.2/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 这一步骤使得无需每次重启终端都手动加载路径信息[^2]。 #### 测试安装成功与否 通过编写简单的测试代码验证 CUDA 是否正常工作。可以尝试编译并执行下面这段经典的 “Hello World” 示例： ```cpp #include <stdio.h> __global__ void helloFromGPU(void) { printf("Hello World from GPU!\n"); } int main() { printf("Hello World from CPU\n"); helloFromGPU<<<1, 10>>>(); cudaDeviceSynchronize(); } ``` 保存上述 C++ 代码片段为 `hello_cuda.cu` 后，在命令行输入以下指令进行编译与运行： ```bash nvcc -o hello_cuda hello_cuda.cu ./hello_cuda ``` 若一切顺利，应该能看到来自CPU和GPU端打印的消息输出。 #### 安装 TensorRT (可选) 如果有计划利用 NVIDIA 的深度学习推理引擎——TensorRT 来加速模型部署的话，可以根据官方文档中的指导完成额外组件的集成[^4]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

William.csj

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值