我们跑大模型,无论是视觉还是文本、多模态等等都需要用到GPU
想看到自己有什么虚拟环境:
conda info --envs
结果:
我这边用来泡模型的是llama_factory
activate llama_factory
进入到虚拟环境,输入
conda search cudatoolkit --info
查看自己适合的cuda版本我这里选择的是这个,我们在一个网页里面打开url,把下载后的cuda放在一个地方,后面如果还要为虚拟环境配置相应的cuda我们还可以用到。
同理,现在要开始下载cudnn,在虚拟环境中输入:
conda search cudnn --info
下载后放在一个地方,我这边放在了:C:\D\Cuda_Cudnn\cudnn-8.9.2.26-cuda11_0.conda
现在把下载后的cuda与cudnn一起装到自己的环境中,遵循下面的规则
conda install --use-local 本地cudnn包所在的路径
比如:
conda install --use-local C:\D\Cuda_Cudnn\cudnn-8.9.2.26-cuda11_0.conda
现在我们测试一下有没有安装成果:
首先安装与cuda相匹配的pytorch和torchvision包,可以去pytorch官网查询。
因为我的cuda版本是11.0,支持的pytorch版本为1.7.1,所以我安装的是这俩个,你可以根据你的需要安装。
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0
如果此时报错,出现以下错误:
那么,我们如此做
问题原因:这是conda的一个bug,如果之前使用了URL 或路径安装软件包,再用conda install xxx就会报错,详见编辑 网页链接
解决方法:加上--solver classic(使用经典求解器,不用libmamba)
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 --solver classic
检查一下是否有安装成果:
先在虚拟环境中输入python
导入pytorch包,查看版本
import torch
torch.__version__(此处是双下划线)
导入torchvision包,查看版本
import torchvision
torchvision.__version__
测试cuda版本
查询cuda版本
装好pytorch后,命令行输入python,进入python的命令行,导入torch包
记得虚拟环境中区别一下python,要检查是否安装成功一般都先输入python,然后用python语言检查版本(主要很多小白啊,还是要讲仔细一点)。
print(torch.version.cuda)
查询cudnn版本
print(torch.backends.cudnn.version())
结果:
如此便大功告成,很简答的!如果还不会,评论区找我