torch 安装找不到对应CUDA版本报错

最新推荐文章于 2023-11-22 14:35:00 发布
最新推荐文章于 2023-11-22 14:35:00 发布
阅读量1.7k 收藏 1
点赞数
文章标签： python 深度学习 pytorch
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/holehorizon/article/details/126328885
版权

在安装torch时使用pip install torch***+cu***时会报错找不到对应安装包错误。

网上一般解决方法是加镜像网站如pip install torch1.8.1+cu101 -f https://download.pytorch.org/whl/torch_stable.html但是使用时会出现找不到包错误，但是进入网站是可以找到的。

解决方法是cuda对应版本不写，让pip先对网站进行索引再补全命令安装
如：pip install torch1.8.1+cu -f https://download.pytorch.org/whl/torch_stable.html后使用pip install torch1.8.1+cu101 -f https://download.pytorch.org/whl/torch_stable.html安装。
安装成功图

holehorizon
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用GPU程序，找不到cuda.doc
09-16
使用GPU程序，找不到cuda
python3.6 安装 torch 和 torchvision 对应可用的Pillow版本
08-05
安装PyTorch v1.9.0 torchvision v0.10.0，中间也是经历了很多波折，当然，大部分是网络问题和版本适配问题，所以完事后，将中间使用到的Pillow包分享一下，可以方便大家下载到，我自己环境是：核心是TX1，系统环境是：jetpack4.6.2 Ubuntu18.04，大家注意对应。
torch-1.14.0+cuda11.8+sm-90+deepspeed
06-03
nvidia新卡h100支持算力90，torch官网提供的下载torch-1.13只支持到86，torch-2.0和torch-2.1倒是支持90，但deepspeed又不支持torch2 无奈下我编译了torch-1.14，配合cuda11.8，能支持h100运行在deepspeed下训练大模型了 编译&使用环境 ubuntu：22.04 python：3.10.6 nvidia-smi： 525.105.17 cuda：11.8 deepspeed：0.9.2 cpu：inter 注意：编译此轮子时我只加入了90算力，需要其它算力支持的话请联系我
pytorch 查看cuda 版本方式
12-17
由于pytorch的whl 安装包名字都一样，所以我们很难区分到底是基于cuda 的哪个版本。 有一条指令可以查看 import torch print(torch.version.cuda) 补充知识：pytorch：网络定义参数的时候后面不能加”.cuda()” pytorch定义网络__init__()的时候，参数不能加“cuda()”, 不然参数不包含在state_dict()中，比如下面这种写法是错误的 self.W1 = nn.Parameter(torch.FloatTensor(3,3), requires_grad=True).cuda() 应该去掉”.cuda()”
如何判断自己的电脑里有没有cuda以及查看cuda版本
热门推荐
CheCacao的博客
07-08 5万+
而运行 CUDA 应用程序需要系统至少具有一个支持 CUDA 的显卡和CUDA工具包兼容的驱动程序，这些工具包括 CUDA SDK、 CUDA Studio、 CUDA Testing Kit、 CUDA Software Development Kit、 CUDA Developer Kit、 CUDA Package Kit 和 CUDA Enterprise Toolkit 等，每一种都具备了强大的功能。7.按照版本下载之后，双击安装就好啦，我选择精简安装。可以当前显卡驱动版本和cuda版本。
torch 检测不到cuda
slj2017的博客
10-17 2688
https://discuss.pytorch.org/t/torch-cuda-is-available-is-false-after-cuda-9-0-176-installed-could-anyone-help-me-with-this-thanks/33360/3
解决pytorch检测不到cuda的问题/pytorch找不到GPU
weixin_44952817的博客
03-05 2万+
解决torch检测不到cuda的问题
无法调用自己电脑的gpu，即torch.cuda.is_available()返回false
qq_36521174的博客
03-22 7849
python import torch print(torch.__version__) 居然是+cpu，明明自己下载的是gpu版本 1.9.1+cpu 搜寻了一圈从该博主下找到了答案如图：(23条消息) torch.cuda.is_available()返回false——解决办法_Nefu_lyh的博客-CSDN博客_torch.cuda.is_available 那么接下来按博主的方法卸载torch：因为我是在虚拟环
pytorch识别不到cuda问题 torch.cuda.is_available() False问题解决
qq_45384162的博客
09-15 1442
print(torch.__version__)正常，但 torch.cuda.is_available() False，尝试1. 卸载&重新安装cuda版本的pytorch2. 在环境变量中增加export CUDA_VISIBLE_DEVICES=03. 更新nvidia-apt-get install nvidia-modprobe。最终采用重启大法
解决pytorch和cuda版本不匹配问题
m0_50072238的博客
02-16 8029
pytorch详细安装教程解决pytorch与cuda版本不一致问题。RuntimeError: CUDA error: no kernel image is available for execution on the device. 2. Anaconda安装pytorch遇到一直循环Solving environment问题CondaHTTPError:HTTP 000 CONNECTION FAILED for url＜Executing transaction: failed
快速安装Pytorch以及CUDA匹配问题
12-22
需要先安装版本匹配的CUDA以及cuDNN，具体的安装命令如下图操作： 根据自己的需求选择合适的版本，网站就会给出相应的安装命令，目前来看支持CUDA最好的版本就是9.2和10.1 例如上图的选择会返回安装命令： conda ...
Pytorch 使用不同版本的cuda的方法步骤
09-17
主要介绍了Pytorch 使用不同版本的cuda的方法步骤，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Ubuntu中安装GPU版本pytorch
01-09
这条语句会重新安装torch，覆盖原来的torch版本，导致出现不兼容问题，使得torch.cuda.is_available()返回False。 所以我去pytorch官网 利用图中第三条语句安装好了pytorch，这一次终于torch.cuda.is_available()...
Pycharm中import torch报错
01-20
Pycharm中import torch报错的解决方法 问题描述： 今天在跑GitHub上一个深度学习的模型，需要引入一个torch包，在pycharm中用pip命令安装时报错： 于是我上网寻求解决方案，试了很多都失败了，最后在：Anne琪琪的...
Pycharm中import torch报错的快速解决方法
12-20
Pycharm中import torch报错 问题描述： 今天在跑GitHub上一个深度学习的模型，需要引入一个torch包，在pycharm中用pip命令安装时报错： 于是我上网寻求解决方案，试了很多都失败了，最后在：Anne琪琪的博客中找到了...
【安装完CUDA后文件夹消失解答】
最新发布
m0_46583515的博客
11-22 2801
如果是想用pytorch的话，python、CUDA、cuDNN、pytorch的版本都需要匹配，此种情况下，需要依据pytorch官网下的提示去CUDA官网下载相应的版本。一定要注意这两个图片中的路径不要设置成同一个路径，因为cuda安装完会自动删除一开始的临时安装文件，设置成一样的，cuda也会被同时删除。完事儿去CUDA 官网下载对应cuda版本。进入下载页面后，如上图所示，系统我们选windows，64位，版本是windows11，最后一个下载类型一般都是locall。到这块点下载，完毕。
Windows10 -64 安装tensorflow遇到的：cuda安装后找不到安装文件目录
sinat_23619409的博客
11-19 3万+
Windows10 -64 安装tensorflow遇到的：cuda安装后找不到安装文件目录 目录  一、错误：cuda安装后找不到安装文件目录 二、查看cuda驱动程序的版本 三、补充内容 四、执行测试程序出错 五、常用命令总结  一、错误：cuda安装后找不到安装文件目录 原因是：将临时解压目录和安装目录设置成一样的了，导致安装结束，临时解压目录被删除，所以安装目录也被删除了；...
解决Torch not compiled with CUDA enabled问题
Enrobot的博客
07-22 859
conda配置pytorch环境，cuda.is_available()==False
cuda不可用，torch.cuda.is_available()返回fulse，安装GPU版本的torch。创建新的虚拟环境
m0_45924886的博客
07-22 2447
问题描述：今天复现别人的代码，发现环境要求跟我原来的环境相差太多，所以打算重新创建一个 新的虚拟环境，当然创建一个虚拟环境还是很简单的，之后简单说明一下，最后发现创建的新环境下的cuda不可用，也就是torch.cuda.is_available()=fulse，当然我的其他环境能正常使用，所以按照我的情况只能是torch安装出错。选择你的环境，不然的话会默认安装到python环境下，比如我要安装的新建的一个环境下：使用指令。记录学习，希望对你有所帮助，菜鸟一枚，有错望指出共同学习。
cuda版本和torch不对应怎么办
08-06
### 回答1： 如果 CUDA 版本和 PyTorch 不匹配，可能会出现以下问题之一： - PyTorch 在安装过程中报错 - 在使用 PyTorch 进行深度学习训练时报错 解决这个问题的方法有两种： 1. 安装适用于当前 CUDA 版本的 PyTorch： - 首先检查 PyTorch 的官方文档，看看当前使用的 CUDA 版本是否在支持的范围内。 - 如果在支持的范围内，可以通过使用 pip 安装正确版本的 PyTorch 来解决问题。例如，如果当前使用的是 CUDA 11.0，可以使用以下命令安装 PyTorch： ``` pip install torch==1.7.0+cu110 torchvision==0.8.1+cu110 -f https://download.pytorch.org/whl/torch_stable.html ``` 2. 安装适用于 PyTorch 版本的 CUDA： - 如果当前使用的 CUDA 版本不在 PyTorch 支持的范围内，可以考虑安装适用于 PyTorch 版本的 CUDA。 - 具体方法是，先卸载当前版本的 CUDA，然后下载安装包并安装适用于 PyTorch 版本的 CUDA。 注意：在安装过程中，需要保证 CUDA 和 PyTorch 版本的兼容性，否则会导致问题。建议在安装过程中参考官方文档，确保安装的是正确版本。 ### 回答2： 当CUDA版本和PyTorch不对应时，你可以考虑以下几种方法来处理： 1. 更新CUDA版本：首先，你可以尝试通过升级CUDA版本来解决兼容性问题。官方网站上有最新的CUDA版本，请下载并安装与你正在使用的PyTorch版本兼容的CUDA版本。 2. 降低PyTorch版本：如果不方便更新CUDA版本，你可以考虑降低PyTorch的版本，使其与你当前的CUDA版本兼容。查找PyTorch的官方文档或GitHub页面，找到与你当前CUDA版本兼容的最新版本，并安装该版本。 3. 编译自定义版本：如果官方提供的PyTorch版本与你当前的CUDA版本都不兼容，你可以尝试从源代码编译自定义版本。通过克隆PyTorch的GitHub仓库，根据你正在使用的CUDA版本自行编译PyTorch。 4. 使用CPU模式：如果以上方法都无法解决问题，你可以考虑运行PyTorch的CPU版本。CPU版本不需要CUDA依赖，可以在没有GPU加速的情况下运行PyTorch代码。你可以通过将代码中的相关GPU函数替换为CPU函数来实现。 无论选择哪种方法，使用适配的CUDA版本和PyTorch版本可以确保模型的正常运行和高效的计算。请注意在更新或更改软件版本前备份重要的代码和数据，以防不可预料的问题发生。 ### 回答3： 当CUDA版本与Torch不对应时，可以采取以下解决方法： 1. 更新CUDA版本：首先检查当前安装的CUDA版本，并确定所使用的Torch版本所支持的CUDA版本范围。如果当前CUDA版本过低或高于Torch支持的范围，可以尝试升级或降级CUDA版本，以使其与Torch相适应。 2. 更新Torch：查看当前安装的Torch版本，并确认其兼容的CUDA版本。如果Torch版本过旧且不支持当前CUDA版本，可以升级Torch到与CUDA版本对应的较新版本。 3. 使用预编译版本：在某些情况下，可能已经存在与所需CUDA版本对应的预编译版本的Torch。可以尝试寻找并安装与当前CUDA版本对应的预编译版本，这样就无需自行编译和配置Torch。 4. 自行编译Torch：如果无法找到与所需CUDA版本对应的预编译版本，可以考虑自行编译Torch。这需要具备一定的编译和配置技能，并按照相关文档和指南，自行编译与当前CUDA版本兼容的Torch。 5. 使用其他深度学习框架：如果以上方法都无法解决问题，可以尝试使用其他兼容所需CUDA版本的深度学习框架。例如，PyTorch支持多个CUDA版本，而其他框架如TensorFlow、MXNet等也提供了与不同CUDA版本兼容的版本。 需要注意的是，更改CUDA版本或Torch版本可能会导致其他依赖项不兼容或出现其他问题。在运行以上操作之前，一定要备份重要的数据和配置，以防出现不可逆的错误。此外，可以参考相关文档、论坛和社群中的解决方案，以获取更加具体和全面的指导。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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