cuda+cuDNN+pytorch_gpu安装

已于 2023-08-14 16:10:11 修改
阅读量332 收藏
点赞数
文章标签： pytorch 人工智能 python
于 2023-08-13 22:44:26 首次发布
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/m0_47101748/article/details/132245935
版权
本文详细指导了如何在Windows上安装PyTorchGPU版本，包括更新Anaconda，选择并安装CUDA、cuDNN，设置环境变量以及创建和激活conda虚拟环境，特别提到CUDA版本选择与cuDNN的对应关系。
摘要由CSDN通过智能技术生成

一、前言

前期已安装好anaconda和pycharm，安装pytorch_gpu版本涉及的一些问题如下：

  1. anaconda最好保持最新更新
  2. cuda是nvidia提供的显卡驱动模块，cuda的安装需要对应电脑显卡cuda的版本进行选择，可向下兼容
  3. cuDNN是nvidia提供的cuda的深度学习加速插件
  4. pytorch_GPU版本的选择需对应cuda的版本，列表中查询不到对应版本向下兼容
  5. 换源下载，使用国内清华镜像源

二、安装cuda

  • 查看cuda版本

进入cmd，输入以下指令

nvcc -V     # 当前正在使用的cuda版本
nvidia-smi  # 获取显卡最高支持cuda版本

 nvvv -V查看显卡目前应对应的cuda版本

nvidia-smi是获取显卡最高支持cuda版本，并查看当前显卡驱动版本信息

选择对应的11.5cuda版本，选择windows系统，64位，系统版本win11，选择本地安装类型，可下载到D盘，后续自定义安装至C盘

 

  •  安装

安装包提取路径，应该是存储到临时文件，默认路径

 开始安装，选择自定义安装

 

 安装中取消勾选CUDA-Visual Studio Integration（集成至VS），由于还未安装visual studio，所以后续会提示未安装VS,，因此提前取消勾选

 电脑未安装VS提示

 

默认安装路径

 

 等待安装完成

 

  •  检查环境变量

检查是否自动添加成功了，包含环境变量，安装成功

 三、安装cuDNN

  • 环境要求

需要与cuda的版本对应，cudnn可以理解未cuda的一个深度学习插件，放到制动文件夹中无需安装

  • 下载

下载链接https://developer.nvidia.com/rdp/cudnn-archive

根据v11.5 cuda版本选择对应的cuDNN版本下载，需注册官网账号下载

  • 解压安装

解压

 安装

 将解压好的cuDNN与cuda根目录中对应好文件夹，将cuDNN中的文件复制拷贝过去

  •  配置环境变量

在path中新添加环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5libnvvp
  • 检查是否安装成功

进入cmd，输入如下指令

bandwidthTest是CUDA工具包中提供的一个示例程序。它旨在测量和显示以下几种内存传输的带宽:

  1. Host to Device : 从CPU（及其RAM）到GPU的数据传输速率
  2. Device to Host : 从GPU回到CPU的数据传输速率
  3. Device to Device : 在GPU内部，从一块内存区域传输到另一块内存区域的速率
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
cd .\extras\demo_suite
.\bandwidthTest.exe

四、安装pytorch_gpu

环境要求

GPU版本安装需要显卡驱动，CUDA、cuDNN、python版本及pytorch各个版本需要对应兼容，并且在conda中新建一个虚拟环境安装pytorch

建立conda虚拟环境

进入conda prompt，输入以下指令:

conda create --name torenv python=3.8  # 创建python版本3.8的torenv环境
conda env list # 查看环境列表
conda activate torenv # 激活切换到torenv环境
conda deactivate   # 后续操作完成之后退出该环境

pytorch安装

pytorch版本列表查看符合安装要求的版本，cuda11.5在官网中未查询到，pytorch v1.12.0支持cuda11.3版本，cuda11.5可以使用v1.12.0，安装使用成功

五、换源下载

 可参清华开源软件镜像站说明

https://mirror.tuna.tsinghua.edu.cn/help/anaconda/

豆源瓣，中国科技大学源，科学上网不换源速度是否可以？

m0_47101748
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
pytorch gpu版安装——亲测有效
lzdjlu的专栏
12-03 855
二、安装torch、torchvision、torchaudio三个组件。并打开需要配置环境的项目，会在右上角提示配置环境，点开配置环境选择。就是输入完一个就按一下回车等待安装完后再进行安装下一个。表示你即将安装的虚拟环境的名字，表示。）版本对应的三个组件，是比较稳妥的。文件加载，需要这三个文件的绝对路径。其他版本修改为对应的版本即可。，我们要去官网查找该版本对应的。安装结束后需要测试是否成功安装。使用已有的环境就可以选择激活的。现在需要依次将之前下载的三个。为例，当然其他版本也适用。
cuda在matlab运行下的插件
10-19
cuda作为并行计算的开创性技术，引领并行计算向更快更高的速度方向发展。通过于matlab的结合有效的用于工程问题的解决上。
linux Ubuntu20.04 cuda11.5安装pytorch
weixin_43360707的博客
03-27 7440
最近学习pytorch，需要安装环境，我的cuda环境如下： 可以看到我的cuda 环境是11.5，然后在pytorch官网：https://pytorch.org/get-started/locally/ 看到这里没有11.5，只有11.3，后来没办法直接安装先（需要安装anaconda环境） pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 安装以后出现
Pytorch-GPU环境搭建（win11+RTX3060+CUDA11.5+CuDnn8.3.2）
最新发布
m0_57704424的博客
04-26 924
软件包搭配：win11 + RTX3060 + CUDA=11.5 + CuDnn=8.3.2 + python=3.10.14 + pytorch=1.12.1。结果显示，Python版本不合适（本版本的Pytorch，需要python=3.10-3.11版本之间）注意：30系列显卡只支持CUDA11.0及以上版本加速，因此本文CUDA选择v11.5。3. 测试pytorch是否安装成功。重新安装其他版本的python。在Pycharm中应用此环境。证明通过GPU计算实现加速。
CUDA_VS_Wizzard cuda的VS插件
09-04
包含64位和32位的CUDA插件，支持VS2005、VS2008，安装后可以直接在新建项目中找到CUDA项目。
Total Commander（TC）的CudaLister插件（32位和64位），含223个语法高亮文件，可预览大量文本文件类扩展名
01-04
Total Commander的CudaLister插件（32位和64位版本），内含223个语法高亮文件。 Assembly.lcf Batch files.lcf C.lcf C#.lcf C++.lcf CSS.lcf Delphi resources.lcf Diff.lcf Go.lcf Haskell.lcf HTML.lcf Ini files.lcf JavaScript.lcf JSDoc.lcf JSON.lcf LESS.lcf Lua.lcf Makefile.lcf Markdown.lcf Pascal.lcf Perl.lcf PHP.lcf PowerShell.lcf Properties.lcf Python.lcf Ruby.lcf SQL.lcf XML.lcf TypeScript.lcf JavaScript Babel.lcf CoffeeScript.lcf Clojure.lcf Elixir.lcf Erlang.lcf MediaWiki.lcf Kotlin.lcf Racket.lcf GraphQL.lcf PlantUML.lcf LaTeX.lcf Caffe Prototxt.lcf Strace.lcf LiveCode.lcf Lisp.lcf Inno Setup.lcf Pascal script.lcf Twig.lcf Razor.lcf Kivy.lcf HTML Django DTL.lcf HTML Django DTL internal.lcf ZenScript (MineTweaker).lcf Stata.lcf Assembly SHARC DSP.lcf Assembly SPARC.lcf AviSynth.lcf HJSON.lcf MySQL SQL.lcf Assembly Z80 SjASM.lcf HTML Siteleaf Liquid.lcf HTML Siteleaf Liquid internal.lcf HTML Handlebars.lcf HTML Handlebars internal.lcf HTML Embedded JS internal.lcf Assembly AVR.lcf Apache Hive.lcf Squirrel.lcf Textile.lcf Lola-2.lcf PICL.lcf Rust.lcf Scala.lcf Objective-C.lcf MATLAB.lcf Java.lcf Graphviz DOT.lcf AutoIt.lcf AutoHotkey.lcf YAML.lcf Assembly MIPS.lcf Assembly ARM.lcf Bohemia SQF.lcf Intel HEX.lcf VimL.lcf Windows Resource Script.lcf Yacc.lcf reStructuredText.lcf ABC Notation.lcf Assembly JWASM.lcf RTF.lcf Modelica.lcf Jasmine JVM Assembler.lcf Java Velocity.lcf Bitsquid SJSON.lcf Dockerfile.lcf Oberon.lcf Abaqus Keywords.lcf CRF.lcf ColdFusion.lcf ARM Assembly.lcf PHP_.lcf HTML_.lcf Clavier.lcf NSIS.lcf Ragel.lcf Metafont.lcf AWK.lcf OpenSCAD.lcf Automake.lcf Vala.lcf Boo.lcf Bash script.lcf Nemerle.lcf R Markdown.lcf BibTeX.lcf OpenCL.lcf VBScript.lcf D.lcf Nim.lcf ABAP.lcf Visual dBase.lcf Visual Basic.lcf Prolog.lcf Asymptote.lcf Verilog HDL.lcf Pike.lcf MIPS Assembly.lcf Tcl.lcf Pawn.lcf Apache Pig.lcf HTML Smarty.lcf HTML Smarty internal.lcf Standard ML.lcf Great Cow Basic.lcf HTML Mustache.lcf HTML Diafan.lcf HTML Laravel Blade.lcf HTML Laravel Blade internal.lcf Tree.lcf CUDA C++.lcf Informix 4GL.lcf NFO files.lcf Text Russian detector.lcf GLSL.lcf Virgil.lcf Jinja2.lcf TOML.lcf Slim.lcf Haml.lcf Assembly FASM.lcf Gherkin.lcf Nginx.lcf Sass.lcf ActionScript.lcf Elm.lcf OpenEdge ABL.lcf MIB files (SNMP protocol).lcf Brainfuck.lcf Apache config.lcf Arduino.lcf Groovy.lcf F#.lcf FoxPro.lcf Puppet.lcf MSVS_Solution.lcf Swift.lcf ASAP2_database.lcf ASAP2_Meta_Language.lcf Julia.lcf AppleScript.lcf R.lcf Dart.lcf Scheme.lcf Fortran.lcf WSH_script.lcf CMake.lcf Stylus.lcf Jade.lcf Text_with_indentation.lcf PostScript.lcf Logfiles.lcf Haxe.lcf Caml.lcf Regular_expressions.lcf WinBuilder_script.lcf SQL_White.lcf SQL_Blue.lcf RPG_IV.lcf RPG_IV_(Free_Syntax).lcf PAX_Pascal.lcf Parser3.lcf OneC_(1C).lcf NSL_Assembler.lcf nnCron.lcf MySQL_Stored_Procedures.lcf MacroScript_(Macro_Sheduler).lcf JCL.lcf Gold_Parser.lcf Adobe_Flash.lcf XSLT.lcf VHDL.lcf T-SQL.lcf Smalltalk.lcf Rexx.lcf PL_SQL.lcf Modula 2.lcf KiXtart.lcf IDL language.lcf IDL files.lcf Harbour.lcf Graphviz.lcf GAMS.lcf Forth.lcf Factor.lcf Euphoria.lcf Eiffel.lcf CodeVisionAVR.lcf Cobol.lcf Clipper.lcf Clarion.lcf Ada (.ads).lcf Ada.lcf Acu Cobol.lcf
conda安装cuda10.1+cudnn7.6.5，conda安装深度学习gpu环境
09-28
在本教程中，我们将聚焦于如何通过conda环境管理器来安装CUDA 10.1和CUDNN 7.6.5，并创建一个适合PyTorch的GPU环境。 首先，确保你有一台装有NVIDIA显卡且驱动程序已更新到兼容CUDA 10.1的计算机。你可以从NVIDIA...
pytorch安装pytorch+gpu版本安装，pytorch+cuda10.1+cudnn7.6.5安装
09-28
本教程将详细讲解如何在系统中安装PyTorch与GPU支持，特别是与CUDA 10.1和CUDNN 7.6.5配合使用的版本。 首先，了解CUDA和CUDNN是关键。CUDA是NVIDIA开发的一种并行计算平台和编程模型，它允许开发者使用GPU进行高...
pytorch+CUDA+CUDNN配置教程
12-20
在配置PyTorch时，结合CUDA和CUDNN可以充分利用GPU的计算能力，加速模型的训练过程。 **A. 安装Python 3.6** 1. **下载安装包**：首先，你需要从Python官方网站下载对应操作系统的Python 3.6版本。在安装过程中，...
win10+python3.6+cuda9+cudnn7+pytorch安装-附件资源
03-02
win10+python3.6+cuda9+cudnn7+pytorch安装-附件资源
sublime text 3 cuda插件
03-17
支持.cu源码语法高亮
PyTorch官方文档v0.1.11_5
06-12
PyTorch官方文档v0.1.11_5
详解Ubuntu16.04安装nvidia驱动+CUDA+cuDNN的教程
09-14
在本教程中，我们将深入探讨如何在Ubuntu 16.04系统上安装NVIDIA显卡驱动、CUDA工具包以及cuDNN库。这个过程对于那些想要利用GPU进行深度学习和高性能计算的用户来说至关重要。 首先，我们需要确保你的GPU支持CUDA...
windows11 pycahrm 安装cuda版本的pytorch教程（cuda+cudnn+pytorch）
妙齐光的博客
10-06 5116
Windows11安装cuda+cudann+pytorch教程
CUDA安装
NYG8945的博客
10-13 1028
CUDA安装经历了几天的安装终于把CUDA安装上了。 1.cuda官方下载网址，目前最新版本为cuda7.5，选择自己系统对应的版本下载安装程序。2.运行cuda_ 7.5.18_windows.exe，程序会检测系统的兼容性如下图：  3.选择“同意并继续”，进入下图安装过程 （备注：安装cuda时，要关闭所有的vs程序）  4.等待大概半个小时后，安装程序终于完成了。
CUDA编程：tensorrt plugin实战上
a135013563的博客
03-01 647
cuda
Win11+RTX3060+cuda11.5 配置pytorch环境|pytorch和cudatoolkit下载包失败
weixin_39459398的博客
04-11 8342
Win11+RTX3060+cuda11.5 配置pytorch环境，pytorch 包安装失败
Linux在CUDA11.5+RTX3090+pytorch构建深度学习环境时CUDA版本冲突导致的no kernel image is available for execution问题
whatifleave的博客
07-14 2016
pytorch是非常优秀的深度学习包，面向GPU部分封装的非常好，可以便利的将模型传入GPU中，利用GPU进行深度学习。但是笔者在用pytorch进行环境配置时撞了大坑，最终解决发现是之前下载了CUDA10.2版本的pytorch，和系统实际使用的CUDA版本11.5不匹配。以此文记录最终解决和过程中所学到的知识。...
CUDA10安装VS插件失败解决方法
qq_37569355的博客
05-29 838
CUDA安装失败+win10+VS2015+CUDA8.0+CUDAVisualStudioIntegration找不到 参考上文链接即可成功安装Vs插件，在Vs中使用CUDA！！！ 本次安装中使用的软件版本为： Vs2015 CUDA版本：cuda_10.0.130_411.31_win10 显卡驱动版本：442.92-quadro-desktop-notebook-win10-64bit-international-whql ...
评论 1
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