老电脑丽台K2200显卡,折腾一晚上才搞定,将经验整理了下。
CUDA、CUDNN、pytorch、pytorch历史版本下载四个下载链接。
CUDA下载:https://developer.nvidia.com/cuda-toolkit-archive
CUDNN下载:https://developer.nvidia.com/rdp/cudnn-download(需要登录)
pytorch下载:https://pytorch.org/get-started/previous-versions
pytorch历史版本下载:https://pytorch.org/get-started/previous-versions
CUDA、CUDA安装
参考下面老哥写的,写的非常全非常不错,版本对应关系都提到了,最重要就是对应版本!!,对应号版本一般不会错。
有点问题CDUA在安装完成后检测是否安装成功,可以用nvcc-version查看,nvcc-v不一定能看出来,没装CUDA Toolkit。
nvcc -V或nvcc -version,
pytorch安装
一定要看这边确定python、CUDA、pytorch三者版本对应关系,不能乱来,否则安装不成功。
下面文章也介绍了python、CUDA、pytorch三者对应以及你这。
pytorch,torchvision与python版本对应关系及安装命令https://blog.csdn.net/WOSHIRENXIN/article/details/127415609
如果安装不成功提示“”AssertionError: Torch not compiled with CUDA enabled,就降版本,降到合适版本为止,我是从1.9降到1.5终于成了。这里有老哥写的
pytorch性能测试
可以用下面代码进行测试
import time
import torch
# 测试gpu计算耗时
A = torch.ones(5000, 5000).to('cuda')
B = torch.ones(5000, 5000).to('cuda')
startTime2 = time.time()
for i in range(100):
C = torch.matmul(A, B)
endTime2 = time.time()
print('gpu计算总时长:', round((endTime2 - startTime2) * 1000, 2), 'ms')
# 测试cpu计算耗时
A = torch.ones(5000, 5000)
B = torch.ones(5000, 5000)
startTime1 = time.time()
for i in range(100):
C = torch.matmul(A, B)
endTime1 = time.time()
print('cpu计算总时长:', round((endTime1 - startTime1) * 1000, 2), 'ms')
下面是原文