Pycharm使用GPU，CUDA环境配置

最新推荐文章于 2024-04-30 16:50:26 发布

Curse of Knowledge

最新推荐文章于 2024-04-30 16:50:26 发布

阅读量9.8k

点赞数 2

文章标签： pycharm python ide

本文链接：https://blog.csdn.net/curseofknowledge/article/details/128195513

版权

Pycharm中可以使用本地安装的python程序作为解释器
在这里插入图片描述
参考文章1，CUDA与cuDNN安装教程（超详细）
参考文章2，完整在pycharm上通过torch调用GPU（最细节）

环境变量：
在这里插入图片描述
一定要配置环境变量，下面是本机安装的cuda和cudnn的环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit
这是CUDA默认安装路径，安装时不要修改

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite

demo_suite文件夹里有两个文件：bandwidthTest.exe 和 deviceQuery.exe
打开cmd，将这两个文件拖到里面，运行，如下显示便是成功。
在这里插入图片描述

在cmd中输入

nvcc -V

显示版本
在这里插入图片描述

安装torch
不要在cmd里面pip install torch,这样安装的torch时cpu版本，需要在官网下载与CUDA版本对应的torch，然后进行本地安装。
将下载下来的torch-1.8.0+cu101-cp39-cp39-win_amd64.whl文件放在，文件路径C:\Users\ls331_rlbdlla下面，之后再cmd里面输入

pip install C:\Users\ls331_rlbdlla\torch-1.8.0+cu101-cp39-cp39-win_amd64.whl

以下代码进行调用gpu和测试

import torch
 
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
 
print(torch.cuda.device_count())
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())