请问conda如何安装pyCUDA

edward_zcl

已于 2022-05-02 17:34:46 修改

阅读量1.5k

点赞数

分类专栏：科研工具计算机基础知识文章标签： python 开发语言

于 2022-05-02 17:34:22 首次发布

原文链接：https://blog.csdn.net/JohnJim0/article/details/100585885

版权

科研工具同时被 2 个专栏收录

114 篇文章 5 订阅

订阅专栏

计算机基础知识

90 篇文章 6 订阅

订阅专栏

安装pycuda还挺麻烦的，我觉得它更适合windows安装，并且不使用虚拟环境，可以灵活设置环境变量以及查找cuda安装路径。否则编译安装，或者驱动的升级，依赖包的安装，cuda环境变量位置的指定，会让你很难受。

0. 写在前面

安装环境:ubuntu18.04(16和18差不多，但是18太爽了)和python3(具体版本忘了，应该是3.6)

参考链接：参考了验证程序

1. 安装pyCUDA之前必须安装CUDA

参考本人上一个博客

2.安装pyCUDA

首先用pip3安装一般服务器会超时，这个时候也可以用清华源或者其他国内源安装，标准命令是"pip3 install pycuda"，但是这种安装方式我没试过。

如果用sudo apt install python3-pycuda会发现这个包并不是最新包，除非降低显卡驱动版本，反正我不愿意。

以下是本人实测的方法。

pyCUDA各版本的变化可以参考这个，最新的编译包贴在这，python.org上也有，github有各版本压缩包，安装步骤参考这个的第一步和第三步(如下图)，第二步忽略(一般都是安装numpy了的)，注意对于python3第三步中的"python configure.py ..."改成"python3 ..."

3. 检验pyCUDA安装

新建py脚本如下


   
   
     
     
      
      
     
     
     
     
      
      
       
       import pycuda
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       import pycuda.driver 
       
       as drv
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       drv.init()
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       print(
       
       'CUDA device query (PyCUDA version) \n')
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       print(
       
       'Detected {} CUDA Capable device(s) \n'.
       
       format(drv.Device.count()))
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       for i 
       
       in 
       
       range(drv.Device.count()):
      
      
     
     

     
     
      
      
     
     
     
     
      
          
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
           gpu_device = drv.Device(i)
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       print(
       
       'Device {}: {}'.
       
       format( i, gpu_device.name() ) )
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
           compute_capability = 
       
       float( 
       
       '%d.%d' % gpu_device.compute_capability() )
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       print(
       
       '\t Compute Capability: {}'.
       
       format(compute_capability))
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       print(
       
       '\t Total Memory: {} megabytes'.
       
       format(gpu_device.total_memory()//(
       
       1024**
       
       2)))
      
      
     
     

     
     
      
      
     
     
     
     
      
          
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       # The following will give us all remaining device attributes as seen 
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       # in the original deviceQuery.
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       # We set up a dictionary as such so that we can easily index
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       # the values using a string descriptor.
      
      
     
     

     
     
      
      
     
     
     
     
      
          
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
           device_attributes_tuples = gpu_device.get_attributes().items() 
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
           device_attributes = {}
      
      
     
     

     
     
      
      
     
     
     
     
      
          
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       for k, v 
       
       in device_attributes_tuples:
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
               device_attributes[
       
       str(k)] = v
      
      
     
     

     
     
      
      
     
     
     
     
      
          
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
           num_mp = device_attributes[
       
       'MULTIPROCESSOR_COUNT']
      
      
     
     

     
     
      
      
     
     
     
     
      
          
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       # Cores per multiprocessor is not reported by the GPU!  
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       # We must use a lookup table based on compute capability.
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       # See the following:
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       # http://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html#compute-capabilities
      
      
     
     

     
     
      
      
     
     
     
     
      
          
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
           cuda_cores_per_mp = { 
       
       5.0 : 
       
       128, 
       
       5.1 : 
       
       128, 
       
       5.2 : 
       
       128, 
       
       6.0 : 
       
       64, 
       
       6.1 : 
       
       128, 
       
       6.2 : 
       
       128}[compute_capability]
      
      
     
     

     
     
      
      
     
     
     
     
      
          
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       print(
       
       '\t ({}) Multiprocessors, ({}) CUDA Cores / Multiprocessor: {} CUDA Cores'.
       
       format(num_mp, cuda_cores_per_mp, num_mp*cuda_cores_per_mp))
      
      
     
     

     
     
      
      
     
     
     
     
      
          
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
           device_attributes.pop(
       
       'MULTIPROCESSOR_COUNT')
      
      
     
     

     
     
      
      
     
     
     
     
      
          
      
      
     
     

     
     
      
      
     
     
     
     
      
          
       
       for k 
       
       in device_attributes.keys():
      
      
     
     

     
     
      
      
     
     
     
     
      
              
       
       print(
       
       '\t {}: {}'.
       
       format(k, device_attributes[k]))

应该得到输出结果如下


   
   
     
     
      
      
     
     
     
     
      
      
       
       CUDA device query (PyCUDA version) 
      
      
     
     

     
     
      
      
     
     
     
     
      
       
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       Detected 1 CUDA Capable device(s) 
      
      
     
     

     
     
      
      
     
     
     
     
      
       
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       Device 0: GeForce GTX 1060
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 Compute Capability: 6.1
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 Total Memory: 6078 megabytes
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 (10) Multiprocessors, (128) CUDA Cores / Multiprocessor: 1280 CUDA Cores
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 ASYNC_ENGINE_COUNT: 2
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 CAN_MAP_HOST_MEMORY: 1
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 CLOCK_RATE: 1733000
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 COMPUTE_CAPABILITY_MAJOR: 6
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 COMPUTE_CAPABILITY_MINOR: 1
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 COMPUTE_MODE: DEFAULT
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 CONCURRENT_KERNELS: 1
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 ....
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 ....
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 TEXTURE_PITCH_ALIGNMENT: 32
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 TOTAL_CONSTANT_MEMORY: 65536
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 UNIFIED_ADDRESSING: 1
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       	 WARP_SIZE: 32

我觉得这个小哥写得还算可以，如果系统合适，软件匹配，那么照着官网安装起来应该也不难。但往往人们会使用其他各种环境，比如linux，conda等，这就会导致一些问题，甚至导致环境需要重新安装。

例如：

https://www.lfd.uci.edu/~gohlke/pythonlibs/#pycuda
https://mathema.tician.de/software/pycuda/
https://gitcode.net/mirrors/inducer/pycuda?utm_source=csdn_github_accelerator
https://blog.csdn.net/zziahgf/article/details/74640889

编译暗转安装弄，pip直接安装会报错：

https://blog.csdn.net/quantum7/article/details/83548723

还有的人说cuda.h找不到了：

https://www.freesion.com/article/30071156594/

有的人说版本不对：

https://blog.csdn.net/qq_63019407/article/details/123707287
https://blog.csdn.net/weixin_45885232/article/details/106210807
https://www.jianshu.com/p/c5b8ae1b99ce

windows？pycuda的更新很慢，这些个牵扯到c的编译工具安装一般都很麻烦。

https://blog.csdn.net/Blue_Whale2020/article/details/122012760

有的人说设置环境变量：

https://blog.csdn.net/z649431508/article/details/102562859
https://blog.51cto.com/u_13161667/4983498
https://blog.csdn.net/Chris_zhangrx/article/details/90170973

真的能安装好，效果还不错：

https://blog.csdn.net/qq_35397715/article/details/111788622

我也知道要先装cuda，可是啊，conda表示找不到啊：

http://t.zoukankan.com/hzcya1995-p-13281732.html
您也知道cuda路径可能没有啊：
https://blog.csdn.net/qq_43314783/article/details/107582671

这个小哥安装倒是生猛，只能说你的环境很好：

https://blog.csdn.net/weixin_34910922/article/details/117451337
https://blog.csdn.net/jacke121/article/details/109400466

nvcc在conda环境下也很难找：

https://blog.csdn.net/qq_40290810/article/details/124253840

stackoverflow上也有一些提问：

https://stackoverflow.com/questions/53042921/anaconda-install-pycuda

关于【conda虚拟环境安装CUDA路径】：

https://blog.csdn.net/Mr__George/article/details/102972958
https://blog.csdn.net/weixin_42303803/article/details/116691022
https://blog.csdn.net/qq_36642243/article/details/109641330

还是有难度啊：

https://blog.csdn.net/weixin_43240387/article/details/89354160

我也想用下pycuda，各位大佬们有用linux的conda环境安装成功的，希望不吝赐教：

https://recomm.cnblogs.com/blogpost/12559576?page=1
https://www.cnblogs.com/qxcheng/p/12559576.html
https://blog.csdn.net/baobei0112/article/details/101224056