Windows11+cuda10.0+Pytorch安装(附文件下载链接)

已于 2022-03-05 16:02:22 修改
阅读量8.8k 收藏 96
点赞数 41
分类专栏： 深度学习 文章标签： python 深度学习 windows pytorch
于 2022-03-04 20:22:21 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/pzslongyutianxia/article/details/123284330
版权

文章目录

背景

由于windows11刚出，想体验一下简约清爽的界面，一头热就升级到windows11了，用了大概一个月突然发现太卡了，没有windows10的体验感，想换回去，于是在网上找教程，发现了下图（挺秃然的)：
在这里插入图片描述

​ 好家伙，居然被Microsoft安排了一波。不想重装系统的我就姑且忍受这暂时的卡顿吧，相信微软会改进这一点的(起码在UI界面的设计方面还是有很大的提升的)。突然，今天上机器学习的实验课的时候，老师让我们在自己的电脑上搭建pytorch环境，我想着之前windows10遗留下的GPU版本的pytorch的任务没完成，今天就把这个待解"问题"完成一下。

真正的背景

希望能够帮助更多的朋友减少搭建环境的时间，更快地投入开发。接下来就是真正地搭建环境了,我的硬件为:联想拯救者R7000，GPU的版本为:GTX1650;软件为:anaconda、pycharm、python3.7版本

​

步骤

  1. 安装对应版本的CUDA
  2. 安装CUDA对应的CUDNN
  3. 安装对应CUDA、python版本对应的torch
  4. 安装torch对应的torchvision

具体实现

1.安装对应版本的CUDA
1.1.查看自己的CUDA的版本

  • 打开NVIDIA Control Panel，点击系统信息
    在这里插入图片描述

  • 点击组件，查看到自己的CUDA最高的版本，当然如果安装低于这个版本的CUDA也是可以的，但是注意不能安装高于这个版本的CUDA哦

在这里插入图片描述

1.2 下载并安装CUDA

  • 官网找到合适的版本下载，官网链接：https://developer.nvidia.com/cuda-toolkit-archive
    在这里插入图片描述在这里插入图片描述

  • 安装CUDA

    下载后点击exe文件开始安装

    这里我们选择默认的位置就行，之后就等待安装完成即可
    在这里插入图片描述

    选择安装选项

    在这里插入图片描述

    等待安装成功

    在这里插入图片描述

    注：若安装过程中出现失败的情况，可以重新安装一下或者降低一下cuda的版本,之前我就是安装cuda11.6安装一直失败，然后改变为cuda10.0就成功了

1.3 验证CUDA

​ 通过cmd打开命令终端，输入nvcc -V
在这里插入图片描述

​ 如果没有出现问题，到这里我们的cuda就安装完成了！当然，俗话说"常在河边走，哪有不湿鞋"，万一出现了如下情况：

在这里插入图片描述

​ 内心肯定在想：咋又错了呢？我都是按照步骤来的呀！不要急，看看我们的环境变量,很有可能是它的问题！

​ 打开我们的系统变量：
在这里插入图片描述

在这里插入图片描述

​ 再去输入nvcc -V就可以了

2.安装CUDA对应的CUDNN
2.1 找到cuda对应的cudnn的版本

​ 可以去官网上找到cuda对应的cudnn

在这里插入图片描述

​ 注意：这里cuda和cudnn的版本一定要对应！！！

2.2. cudnn下载
  • 官网链接：https://developer.nvidia.com/rdp/cudnn-download

​ 注：第一次进入官网的时候要进行注册登录才可以正常地下载哦

  • 解压下载的zip压缩包，将解压后文件夹复制到如下图的指定的位置

在这里插入图片描述

​ 到这里，我们的cudnn就成功安装成功了！！

3.安装对应CUDA、python版本对应的torch
3.1 找到对应的torch的whl文件

这里由于pytorch官网没有写cuda10.0的下载命令，而且官网下载较为慢，所以我们直接下载whl文件进行安装

首先将https://download.pytorch.org/whl/torch_stable.html复制到浏览器里打开包下载界面。找到对应的文件：

在这里插入图片描述

解释：cu100：代表的是cuda的版本号为10.0;cp37:代表的是python的版本为3.7;win_amd64:代表的是选择的是windows x64位的操作系统；torch-1.2.0:代表的是pytorch的版本为1.2.0（注意：python版本号代表着我们必须使用的是python3.7版本的虚拟环境，不能使用其它版本的，否则会报错）

3.2 安装torch

在这里插入图片描述

3.3 验证torch是否安装成功

进入pycharm的终端控制台:
在这里插入图片描述

验证torch:

在这里插入图片描述

到此，我们的torch也就安装成功了！！！

4.安装torch对应的torchvision
4.1 找到对应的torchvision的whl文件

​ 首先将https://download.pytorch.org/whl/torch_stable.html复制到浏览器里打开包下载界面。找到对应的文件：
在这里插入图片描述

4.2 安装torchvision

在这里插入图片描述

4.3 验证torchvision是否安装成功

在这里插入图片描述

​ 至此，我们就成功地搭建好win11下的GPU版本的pytorch环境了，接下来就可以利用GPU这把武器去闯关机器学习、深度学习等等高阶领域啦！！！！

附：为了让大家避免下载速度过慢以及卡在官网转圈圈的界面，特地将上面需要的文件以及压缩包上传到百度网盘上供大家使用哈

链接：https://pan.baidu.com/s/1k3y-mTgFoPsoJkBFuL52RQ
提取码：PZS6

风华同学
关注
  • 41
    点赞
  • 踩
  • 96
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 7
    评论
专栏目录
cuda10.1-cuda11.0-cuda11.1各版本windows系统下载
10-20
百度网盘提供，包含以下三种版本的cuda toolkit和对应的cudnn版本，适合windows10系统。 cudnn-10.1-windows10-x64-v7.6.4.38.zip cuda_10.1.243_426.00_win10.exe cudnn-11.0-windows-x64-v8.0.4.30.zip cuda_11.0.2_451.48_win10.exe cudnn-11.1-windows-x64-v8.0.4.30.zip cuda_11.1.0_456.43_win10.exe
win10及win11安装cuda10.2+cudnn+pytorch超详细过程
热门推荐
weixin_43557093的博客
10-10 1万+
win10（python3.9）安装cuda10.2+cudnn+pytorch超详细过程安装CUDA下载cudnn下载并安装pytorch思考 以下记录本人坎坷的安装过程，以及一些解决方法。希望大家都有美好心情呀！ 安装CUDA 检查自己电脑的NVIDIA ，桌面右键->NVIDIA控制面板->帮助->系统信息->组件 2.在官网（https://developer.nvidia.com/cuda-downloads）选择适合自己电脑的cuda版本，比自己的cuda驱动适配版
ubuntu16.04 cuda10.0 pytorch安装（csdn）————程序.pdf
12-04
ubuntu16.04 cuda10.0 pytorch安装（csdn）————程序
cudnn-cuda10.0-win10.zip
01-30
对应于cuda10.0，tensorflow-gpu2.0版本
cuda10.0+py3.7.7+tf1.14.0+pytorch1.2.0深度学习环境配置流程.docx
09-08
流程中环境描述：cuda版本10.0，python版本3.7.7 ，tensorflow版本1.14.0，pytorch版本1.2.0
cuda_10.0.130_411.31_win10安装下载
06-13
cuda_10.0.130_411.31_win10(包含11.5.1_496.13_windows和11.1.0_456.43_win10)的网盘安装链接,方便大家下载使用。
cuDnn-win10-Cuda10.0(亲测)
04-01
cuda所需GPU加速的库，官网需要注册而且速度慢，使用注意：解压后复制到cuda的环境中。
cuda-10-0.zip0
03-16
cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
cuda_10.0.130_411.31_win10.txt
08-09
cuda_10.0.130_411.31_win10 放在百度网盘里方便大家下载。
CUDA10.0网盘下载
Mr.Zhang_9436的博客
02-04 3400
免费分享CUDA10.0版本网盘链接下载 链接：https://pan.baidu.com/s/1rMgjkW-gkOfliiykhvZc9w 提取码：g388 对应版本的cudnn下载链接： https://download.csdn.net/download/qq_39330829/14965148 若有帮助，麻烦关注一下，共同学习！ ...
windows10安装GPU版pytorch详细教程（以cuda10.0+pytorch1.1为例）
10-19
离线安装PyTorch，成功率很高
win10+cuda10.0+pytorch安装
01-06
简介 由于PyTorch在中国大陆的安装包下载十分缓慢，导致很多在线安装方法难以实现。故对Pytorch在windows下的安装方法做一个简单说明，希望能够帮助到更多的朋友。有任何问题，可以联系我。解决方法是：先将安装包下载到本地，再用pip install安装。 本机配置 系统配置 Windows Anaconda 环境 Python 3.7 CUDA内核显卡 NVIDIA Quadro P4000 1、进入Pytorch官网https://pytorch.org/ 看到该部分类容后，根据自己的电脑配置，选择相应的选项。 Package 建议使用pip，这样才会提供Run this Co
Win10系统安装CUDA10.0和cuDNN-附件资源
03-02
Win10系统安装CUDA10.0和cuDNN-附件资源
cuda10.0+cudnn_for_win10_64网盘下载地址
12-14
1.cuda10.0 2.cudnn-10.0-windows10-x64-v7.6.4.38.zip 二个文件版本匹配，亲测可用
tensorflow-1.12支持cuda10.0
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.支持mkl,无MPI; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]:/home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： hp@dla:~/work/ts_compile/tensorflow$ bazel build --config=opt --config=mkl --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
cuda-10-0.zip1
03-17
cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb
CUDA10.1向下兼容10.0，完美运行官方TensorFlow、Pytorch_pytorchcuda10.0,cuda10.0
05-03
现在官网提供Tensorflow_gpu、Pytorch都只支持CUDA 10.0，但NVIDIA官网不再更新10.0，很多新的显卡或系统无法安装CUDA10.0。 怎么办？其实可以很方便的使得10.1向下兼容10.0，下载附件的批处理文件并运行，就可以了。 亲测最新CUDA10.1可完美运行TensorFlow13.1、TensorFlow14.0、Pytorch1.2。 本脚本仅支持Windows平台，Linux可以把copy改为link，通样完美运行TensorFlow13.1、Pytorch1.2。
CUDA10百度网盘下载链接和提取码.txt
11-08
windows版CUDA10百度网盘下载链接和提取码 cuda_10.0.130_411.31_win10.exe
cuda10.0对应的pytorch
最新发布
08-27
在CUDA 10.0的情况下，根据引用和引用的信息，有以下几个版本的PyTorch可供选择安装： - PyTorch 1.4.0 - PyTorch 1.7.1 - PyTorch 1.2.0 其中，PyTorch 1.4.0是正常情况下与CUDA 10.0对应的最高版本 。而PyTorch 1.7.1是在CUDA 10.0的情况下也可以安装并成功运行的版本 。此外，引用中提供的安装命令可以安装PyTorch 1.2.0和相应的torchvision版本。 因此，对于CUDA 10.0，可以选择安装PyTorch 1.4.0、PyTorch 1.7.1或PyTorch 1.2.＊＊＊<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [cuda10.0 可以正常安装运行pytorch1.7.1](https://blog.csdn.net/sinat_20277079/article/details/115964064)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [基于cuda10.0的pytorch深度学习环境配置](https://blog.csdn.net/shine_Lee_/article/details/123747910)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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 7
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

打赏作者

风华同学

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