conda虚拟环境 + 多cuda + pytorch_gpu + tensorflow_gpu配置

一、conda虚拟环境

查看现有环境:conda env list
创建环境:conda create -n 环境名 python=3.8 (python版本,可更改)
激活:conda activate 环境名
退出激活:conda deactivate 
删除环境:conda remove -n 环境名 --all

将环境配置到jupyter notebook上,将环境加载进jupyter中

pip install ipykernel  【pip install -i https://pypi.douban.com/simple ipykernel (使用豆瓣源速度快)】
python -m ipykernel install --name 环境名

二、cuda安装

1、查看显卡支持的cuda版本

打开 ‘ NVIDIA控制面板 ’

在这里插入图片描述

点击 ‘ 帮助 ’ —> ‘ 系统信息 ’

在这里插入图片描述

点击 ‘ 组件 ’

在这里插入图片描述

可以向下兼容;例如我的:<= 12.1都可以(建议安装pytorch或者tensorflow对应的cuda版本)

2、cuda下载

cuda官网 https://developer.nvidia.com/cuda-toolkit-archive【以cuda11.6.0为例】

在这里插入图片描述

选择符合自己电脑的本地下载,点击 ‘ exe(local) ’ —> ‘ Download ’

在这里插入图片描述

3、cuda安装

下载完成后双击打开

在这里插入图片描述

选择一个空文件夹(临时文件,安装结束后会自动删除)—> 点击 ‘ OK ’

在这里插入图片描述
在这里插入图片描述

选择 ‘ 自定义安装 ’

在这里插入图片描述

取消勾选 “ Visual Studio Integration ”(除非你有C++环境);点击 “ 下一步 ”

在这里插入图片描述

选择要安装的位置,建议新建文件夹。点击 “ 下一步 ”

在这里插入图片描述

安装完成

在这里插入图片描述

4、cuDNN下载及安装

下载地址:https://developer.nvidia.com/rdp/cudnn-download

注册登录后下载对应cuda版本的cuDNN

如果是对应其他版本,选择 “ Archived cuDNN Releases ”

在这里插入图片描述

下载完成后解压

在这里插入图片描述

将文件夹下的内容复制到CUDA同名的文件夹下;不是替换!!!

注意:lib是win64下的内容
在这里插入图片描述

5、环境变量配置

搜索‘编辑环境变量’
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

6、检验是否配置成功

win+R键;输入 “ cmd ” ,点击 “ 确定 ”

在这里插入图片描述

输入“ nvcc -V ”

在这里插入图片描述

配置成功!

7、多CUDA

按照1-6的步骤下载所需CUDA及对应cuDNN

打开环境变量,新建后将想要用的CUDA版本置顶即可

在这里插入图片描述

win+R键;输入 “ cmd ” ,点击 “ 确定 ”;输入“ nvcc -V ”

在这里插入图片描述

显示11.2,配置成功!

三、Pytorch_gpu安装

1、Pytorch_gpu下载:https://pytorch.org/get-started/previous-versions

以CUDA11.6+pytorch_V1.12.0为例

在这里插入图片描述

不要直接在环境里输入命令;很容易下成CPU版本的

# CUDA 11.6 √√
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.6 -c pytorch -c conda-forge

直接下载whl包:https://download.pytorch.org/whl/torch_stable.html

ctrl+F键,输入cuda版本和你的python版本:例如:cu116-cp38

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

pip install +whl文件路径


# CUDA 11.6 √√
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.6 -c pytorch -c conda-forge
pip install "D:\E_files\torch_install\torch-1.12.0+cu116-cp38-cp38-win_amd64.whl"
pip install "D:\E_files\torch_install\torchaudio-0.12.0+cu116-cp38-cp38-win_amd64.whl"
pip install "D:\E_files\torch_install\torchvision-0.13.0+cu116-cp38-cp38-win_amd64.whl"

在这里插入图片描述
在这里插入图片描述

四、安装tensorflow_gpu

不行,不是GPU版本
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow

win11显卡RTX4060用不了cuda10,下载cuda11.2的版本

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

不用安装keras已经有了

  • 2
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
要在Ubuntu上安装PyTorch GPU版本,可以按照以下步骤进行操作: 1. 首先,确保你已经安装了NVIDIA显卡驱动程序。可以通过运行以下命令来检查是否安装了正确的驱动程序版本: ``` nvidia-smi ``` 这将显示你当前安装的NVIDIA驱动程序的版本信息。 2. 接下来,你需要安装CUDA工具包。可以通过以下步骤进行安装: a. 根据你的显卡型号和操作系统版本,在NVIDIA官方网站下载对应版本的CUDA工具包。 b. 运行下载的安装程序,并按照提示进行安装。注意选择合适的安装选项,以确保安装了CUDA驱动程序和CUDA工具。 c. 安装完成后,将CUDA的bin目录添加到系统的PATH环境变量中,这样你就可以在任意位置运行CUDA相关的命令。 3. 然后,你需要安装cuDNN库。cuDNN是一个针对深度学习任务进行加速的GPU库。可以按照以下步骤进行安装: a. 前往NVIDIA开发者网站,注册一个账号并下载合适版本的cuDNN库。 b. 解压下载的cuDNN库文件,并将其中的bin、lib和include文件夹分别复制到对应的CUDA安装目录下。 4. 现在,你可以使用Anaconda来安装PyTorch。可以按照以下步骤进行安装: a. 打开终端,运行以下命令创建一个新的conda环境: ``` conda create -n pytorch_gpu ``` b. 激活该环境: ``` conda activate pytorch_gpu ``` c. 运行以下命令安装PyTorch和相关的依赖库: ``` conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` 这将安装PyTorch GPU版本以及其他必要的依赖库。 5. 完成以上步骤后,你就成功在Ubuntu上安装了PyTorch GPU版本。 请注意,上述步骤中的CUDA版本和cuDNN版本可能需要根据你的具体显卡和操作系统进行调整。建议在安装之前查阅PyTorch官方文档和NVIDIA官方网站获取更详细的信息和指导。还可以参考引用和引用[2]中提供的安装命令和参考资料。

“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 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
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