RTX4090轻松安装pytorch——安装技巧

最新推荐文章于 2024-08-22 18:14:49 发布

Java小光头

最新推荐文章于 2024-08-22 18:14:49 发布

阅读量1.2k

点赞数 5

文章标签： pytorch 人工智能 python

本文链接：https://blog.csdn.net/github_38402803/article/details/136046627

版权

本文讲述了在安装Pytorch时遇到的问题，重点在于CUDA、cudnn版本与Pytorch版本的对应。作者分享了解决方案，即先确保Pytorch版本，再根据其推荐CUDA和cudnn版本，通过正确的方法进行安装，最终实现GPU加速。

摘要由CSDN通过智能技术生成

项目场景：

安装Pytorch的技巧，其实很简单——版本对应！

问题描述

安装pytorch，主要的困难点可能集中在：1、cuda和cudnn 2、GPU版本的pytorch变成了CPU的。这两个点我实际也碰到了，所以总结下。

原因分析：

我是按照网上的教程，先装的cuda（最新版本），然后没装cudnn，直接装了anaconda，创建虚拟环境之后，开始装pytorch了。然后发现装上去的是CPU版本，无法发挥4090的强大性能。

解决方案：

后来我发现，整个过程其实可以很简单。就是要注意cuda\cudnn\pytorch的版本要对应上。
首先，确定pytorch版本，根据pytorch版本来倒推需要的cudnn和cuda版本。而cuda版本又和本地的控制面板版本相关。

首先，pytorch，打开这个url，选择我们要的版本比如适配CUDA12.1；先不安装pytorch，我们先把cuda和cudnn环境搭好
https://pytorch.org/get-started/locally/
在这里插入图片描述
然后，我们去安装对应的cuda12.1.x版本
https://developer.nvidia.com/cuda-toolkit-archive

以及cuda对应的cudnn版本
https://developer.nvidia.com/rdp/cudnn-archive

cudnn下载下来是一个压缩包。里面有若干文件夹，记得解压之后，把对应的文件夹里的文件覆盖到cuda的安装路径对应文件夹下。一般的话会在以下位置。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1

最后，一切就绪。anaconda里面新建一个python3.11虚拟环境（anaconda最新版本默认），然后复制图1所示的pip3安装语句，注意是页面上的，可能和我图里的不一致。静待pytorch安装完成即可。最后启动python，import pytorch后，输入命令torch.cuda.is_available()，如果返回True就大功告成。