关于pytorch和tensorflow的GPU版本安装过程中的问题(MX450)

最近在学习深度学习,想在一台MX450显卡的小米笔记本电脑装pytorch和tensorflow,以下内容为方便自己以后查看,若有问题,请在评论指出,谢谢!

环境:

WIN10 + MX450 + Anaconda + Pycharm


最新补充:

pytorch官网已经不再对cuda10.x版本进行支持,最低也是cuda11.3了,有些显卡查看了发现只支持11.1的(如RTX1050),可以通过在英伟达官网下载最新的驱动,更新驱动之后会发现,支持到11.6了。

另外,用conda装torch真的太慢且容易出问题了,最好是用pip去装,比如pytorch官网说的。

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

 过程:

首先,你这已经把最新的anaconda(内置python),pycharm装了。
1、conda换源,百度搜教程;

举例,添加清华源方法如下链接:
anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

查看源:
conda config --show-sources
移除源:
conda config --remove-key channels

顺带一说,好像国内源不能用Anaconda装pytorch,所以先把下面的试着装一下,不行再说。

2、创建虚拟环境,学一下相关的命令,然后在pycharm里面也可以创建新环境的;

查看所有环境:
conda info --envs
新建虚拟环境:(以下myenv可以是自己起的名字,参数可以改)
conda create -n myenv python=3.8
删除虚拟环境:
conda remove -n myenv --all
激活虚拟环境:
conda activate myenv
退出虚拟环境:
conda deactivate

3、激活虚拟环境,在对应的虚拟环境装对应的框架;
查看显卡的CUDA版本,或者命令行运行:nvidia-smi,可查看CUDA版本。
MX450显卡教程:https://blog.csdn.net/weixin_44412076/article/details/109571918
要装cuda和cudnn,但是要翻墙,比较麻烦。
命令行运行nvcc -V,有显示,则成功。

虚拟环境下安装tensorflow:pip install tensorflow
好像是带有gpu版本。

注意:pytorch安装的时候自动安装cuda和cudnn,直接一条指令直接装就行了。
          tensorflow需要自己去英伟达官网下载安装cuda和cudnn。(需要翻墙)

pytorch官网:https://pytorch.org/get-started/locally/
虚拟环境下安装pytorch,下面看情况选择:
(只支持英伟达NVIDIA中带CUDA的显卡,AMD和intel的显卡不支持!)
在虚拟环境里运行(支持CUDA11.3版本的显卡,这个要装很久):
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
在虚拟环境里运行(无显卡,CPU版本,这个要装很久):
conda install pytorch torchvision torchaudio cpuonly -c pytorch
也有可能没装成功,需要重新装。

顺带提一个安装pytorch1.2版本:

conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0

注:有几个比较大的包,特别是pytorch经常装不完,再运行几次,直到全部装好。

安装完后,虚拟环境下运行:python,进入编译模式,一次性输入:

import torch
import torchvision
print(torch.cuda.is_available())

回车运行,返回True则成功。

同理,tensorflow gpu测试:

import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices('GPU'))

4、pycharm配置编译器。
创建新工程项目或者打开某一工程项目,文件-设置-项目-python解释器,设置图标里面选择添加,添加python解释器中,选择conda环境,现有环境,解释器选择里面之前创建的解释器,确定即可。另外,也可在此处选择新环境,选择python版本,即可创建该工程下的新的虚拟环境。

附:

我电脑的MX450,CUDA版本11.4.1,以下为这个版本的CUDA和cudnn迅雷下载链接:

CUDA11.4.1

CUDNN for CUDA11.4

有的MX450的CUDA版本是11.4.4,也顺便带上:

CUDA11.4.4

其他版本顺带带上链接,方便下载:

CUDA11.6.1

CUDANN for CUDA11.X

-------------------------------------------------------手动分割线---------------------------------------------------------

还有一个重要的点,在安装CUDA和CUDnn的时候,我这里就没有给我把环境变量给加进去,所以需要手动添加,不然测试tensorflow的GPU版本的时候还是会出问题,提示你缺很多文件。

 注:我把CUDnn的文件(它是一个.zip压缩包)分别放在CUDA安装路径对应位置,所以需要添加cudnn的所有文件路径到环境变量中。

其中,最重要的是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib\x64这个路径。

  • 4
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
安装CUDA需要按照以下步骤进行操作。首先,确认你的显卡是nvidia独立显卡,然后检查并更新你的驱动版本。接下来,查看你的CUDA版本,可以通过NVIDIA控制面板进行查看。根据你的CUDA版本,前往NVIDIA官方网站下载相应的CUDAPyTorch版本。如果你遇到了安装失败的问题,有几个可能的原因。首先,你的版本可能不再被支持,你可以在PyTorch官方网站上查看Windows是否支持你的CUDA版本。其次,可能是CUDA版本PyTorch版本不兼容。你可以尝试重新安装相应版本CUDAPyTorch进行解决。如果你的显卡是MX450,你可以前往NVIDIA官方网站的CUDA下载页面,选择适合你的操作系统和显卡型号的CUDA版本进行下载。希望以上信息能对你有所帮助。123 #### 引用[.reference_title] - *1* *2* [【联想小新air14 MX450安装cudapytorch版本问题](https://blog.csdn.net/qq_63697375/article/details/127227486)[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^v92^chatsearchT0_1"}} ] [.reference_item] - *3* [安装PyTorch-GPU版本+CUDA+CUDNN+Win10(显卡GeForce MX450)+Anaconda(最新版)](https://blog.csdn.net/weixin_44412076/article/details/109571918)[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^v92^chatsearchT0_1"}} ] [.reference_item] [ .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 1
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