1、如何在conda环境下配置。
为什么使用conda,因为环境方便我们管理。
我们平时说的cuda的版本号其实是我们的cuda toolkit的版本号。
很多人把它弄混了。
其实的版本号是nvidia-smi进行查看的。
我的cuda版本号:
nvidia-smi。
什么是CUDA(Compute Unified Device Architecture)
CUDA 是由 NVIDIA 开发的并行计算平台和编程模型。
什么是CUDA Toolkit。
CUDA Toolkit 是 CUDA 的开发工具包,包含了开发 CUDA 程序所需的各种工具和库。它包括以下组件:
CUDA 驱动程序、CUDA 编译器 (nvcc)、CUDA 库、开发工具。
什么是CUDNN(CUDA Deep Neural Network Library)
cuDNN 是基于 CUDA 的深度学习加速库。它是 NVIDIA 提供的高度优化的 GPU 加速库,专门为深度神经网络的计算而设计。
什么是pytorch。
PyTorch 是一个流行的深度学习框架,使用动态计算图,特别适合研究和实验。它广泛支持 GPU 加速,并提供了一个简单易用的 API 用于开发深度学习模型。
2、开始配置。
如何安装cuda、cudnn。
安装CUDA Toolkit。
我们进行安装: 先装cudatoolkit:
conda install cudatoolkit=12.2
我们可选择安装的版本。比之前我们查看的cuda版本低即可额。
安装成功之后查看我们需要安装的版本cudnn。
安装CUDNN。
注意这个版本应该和我们的cuda对应
对应地址的链接:https://developer.nvidia.com/rdp/cudnn-archive
一般的都可以对映。
在conda中查看我们可以安装的版本。
conda search cudnn
输出结果为:
我们这里安装的是8.9.1.
conda install cudnn=8.9.1
安装完毕即可安装pytorch。
安装pytorch。
去我们的官网查看我们的pytorch的版本以及对应的cuda。
官网地址:
Previous PyTorch Versions | PyTorch
选择我们当前的cuda对应的版本选择pytorch版本,conda安装。
安装完、就全部安装完毕了。
3、测试:
我们在conda环境激活当前环境
依次输入python。
import torch
print(torch.backends.cudnn.version())
print(torch.version.cuda)
print(torch.__version__)
torch.cuda.is_available()
# 最后离开
exit()
以上就是安装的全部内容,安装完毕cuda、cudnn、pytorch。