首先声明:因为CUDA和CuDnn和pytorch都是在外网,所以进入他们的网站可能需要梯子,请自行搭梯子进入,博主这里提供不了梯子,为各位说一声抱歉。
1.CUDA的官网:CUDA Toolkit Archive | NVIDIA Developer
2.CuDnn的官网:https://developer.nvidia.com/rdp/cudnn-archive
3.Pytorch的官网:PyTorch
注意事项:
CUDA和Cudnn以及Pytorch的版本都要对应上,但是它们下载的顺序无关紧要,先下载哪个都可以,但是在安装CUDA和CuDnn之前先看一下Pytorch支持CUDA的版本是多少,避免CUDA版本过高而导致不匹配。在下载CUDA和CuDnn之前是需要登录NVIDIA的账号, 如果没有请自行注册。
在下载Pytorch的时候使用conda,pip或者其他下载的时候都有可能出现失败的机率。在国内的话最好添加镜像源下载以确保不会出现失败的情况。
ok,接下来开始
先确定自己的NVIDIA显卡所支持的CUDA版本是多少
有两个查看的办法,第一个是:右键桌面—>NVIDIA控制面板,然后按照图片内容
第二个是: win + r 输入cmd,在窗口里输入 nvidia-smi
就比如我的显卡最高支持12.4,只要不超过12.4版本的都可以使用。
CUDA的安装:
根据我的电脑,我选择12.1版本。为什么选择12.1的原因,请看下面Pytorch安装那里。
点击下一步,安装就完成了
找到CUDA路径的方法:
右键计算机—> 属性—>高级系统设置—>环境变量
复制它即可
CuDnn的安装
它标记12.x就代表着12的版本都可以使用它
这里请选择好自己的操作系统,我的是在windows系统,各位不要下载错误
下载完成后,我们来解压这个文件,而不是安装
解压后,来复制这三个文件
将这三个文件复制到你的CUDA路径里面
这三个文件替换完成后,就算完成了CuDnn的安装 。
如何找到CUDA路径,我在上面已经写了方法
Pytorch的安装:
下面图片就解释了为什么我在上面安装CUDA那里选择CUDA 12.1的原因,因为目前 Pytorch 所对应的CUDA 12.4不能下载,所以我选择了CUDA 12.1版本
注意自己的操作系统,比如 我是windows
当然,我是用Conda下载只是一个例子,也可以使用pip或者其他下载
关于Pytorch下载问题:
因为下载地址是外国的服务器,它的下载速度会很慢,同时也会导致下载失败。如果在用Conda下载的时候要换成国内的镜像源
下载命令中的 -c xxxx 代表的是下载地址或镜像源, 所以将-c后面的xxxx 换成 镜像源地址即可。
我来提供两个镜像源
清华镜像:https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
阿里巴巴镜像:http://mirrors.aliyun.com/anaconda/pkgs/main
接下来我使用Conda下载
Conda下载pytorch 使用镜像加速的一般公式:
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c 镜像源地址
红色标注为pytorch里的下载命令,不需要复制这里的,去pytorch里复制
在Conda里输入pytorch中的下载命令,使用镜像加速即可
镜像加速 大概就是这么个流程。
因为我目前在国外上学的原因,我不需要使用国内的镜像源加速,所以我直接使用下载命令即可
等待下载
下载完成
我们输入conda list来检查有没有这些包
好的,这些包全都在。
最后在pycharm里检查有没有cuda
输入以下代码:
import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.version.cuda)
到这里就结束了