Pytorch + CUDA + GPU 的环境搭建

本文介绍了如何搭建Pytorch与CUDA的GPU环境,包括所需的Python、NVIDIA驱动、CUDA版本和Anaconda的选择及安装。通过使用Anaconda来便捷安装pytorch-GPU和cudatoolkit,遵循CUDA的适配性原则。安装过程中,建议使用管理员权限并利用清华源加速,以避免安装错误。最后,验证CUDA和GPU运算是否成功。
摘要由CSDN通过智能技术生成

环境依赖一览

  • Python 3.9.12
    3 版本基本均可
  • NVDIA 517 显卡驱动
    选择自己合适的驱动,显卡 <–适配– 驱动 <–适配– CUDA,显卡版本可以在官网搜索查看,CUDA 和驱动的具体关系可以去官网文档 CUDA Documentation 查看
  • CUDA 11.6
    选择自己适合的 CUDA 并下载安装。务必参考上句中的适配性,否则无法正常使用
  • Anaconda 22.9.0
    用来便捷安装 pytorch-GPU 和 cudatoolkit 的,pip 由于其非python库的原因无法直接安装 toolkit(但实际上可以用官网所示代码用 --extra-index-url 来安装)
  • Pytorch
    使用官网对应命令安装即可,比如 conda install pytorch torc
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

Tastror

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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