(在pytorch首页找不到对应的版本时)pytorch安装

https://blog.csdn.net/water19111213/article/details/104352503?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-1给出了详细的win10+cuda10.0+pytorch的安装方式。但有时候我们所需的版本不太容易找到对应的版本。

pytorch的官网首页https://pytorch.org/提供了对应的根据自己的电脑配置,选择相应的选项的分类表

但是呢,有时候我们所需要的版本并不在这个界面里,比如我查询我的cuda版本是(在cmd中nvcc -V)

cuda9.0版本就找不到对应的安装链接

查询python版本

cmd里面直接python我的是3.7

这里点击previous versions of pytorch即可

在这个界面可以看到各个版本的cuda所对应的pytorch版本及其对应的安装方式,比如whl,conda,pip,以pip安装为例,

这里还特意提示了,大多数版本的pytorch对应着特定的cuda版本。

点击进cuda9.0

下载torch和torchvision对应的whl即可,这里1.1.0是torch的版本号,cp37表示python版本号,win表示windows,64表示64位,

torchvision的0.3.0也是版本号。

然后在保存whl所在的文件夹直接运行cmd,然后

pip install torch-1.1.0-cp37-cp37m-win_amd64.whl

pip install torchvision-0.3.0-cp37-cp37m-win_amd64.whl

即可

在cmd中运行下面能成功运行下面这个代码即可表示安装成功

import torch
x=torch.rand(4,3)
print(x)

### 解决方案 在 Linux 系统中配置 PyTorch 的 GPU 环境,如果遇到 CUDA 版本过低的问题,可以通过以下方法解决问题: #### 1. 检查当前系统的 CUDA 和显卡支持情况 首先确认当前系统中的 CUDA 版本和支持的最大 CUDA 版本。这可以通过运行以下命令完成: ```bash nvcc --version nvidia-smi ``` `nvcc --version` 显示的是当前已安装CUDA 驱动版本[^1],而 `nvidia-smi` 则显示硬件支持的最高 CUDA 版本。 #### 2. 更新 NVIDIA 驱动程序 如果发现现有的 NVIDIA 驱动不满足目标 CUDA 版本的需求,则需要更新到更高版本的驱动。以下是具体操作步骤: - **卸载旧版驱动** 使用以下命令卸载现有驱动(适用于大多数发行版): ```bash sudo apt-get purge nvidia* ``` - **下载并安装新版驱动** 访问 [NVIDIA 官方网站](https://www.nvidia.com/Download/index.aspx),选择适合的操作系统和显卡型号,下载最新的驱动包并按照说明进行安装。 #### 3. 安装匹配的 CUDA 工具链 当驱动升级完成后,需重新评估所需的 CUDA 版本,并依据该版本安装相应的工具链。例如,在 CentOS 中可执行如下命令来安装指定版本CUDA: ```bash sudo yum install cuda-10.1 ``` 对于 Ubuntu 用户来说,推荐通过 PPA 添加源后再安装: ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update sudo apt install nvidia-cuda-toolkit ``` #### 4. 调整环境变量设置 为了使新安装好的 CUDA 正常工作,还需要调整 PATH 及 LD_LIBRARY_PATH 环境变量路径指向新的安装目录。编辑 ~/.bashrc 文件加入下面两行内容即可生效: ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 随后刷新 shell 或者重启终端加载更改后的配置文件。 #### 5. 安装适配的 cuDNN 库 cuDNN 是深度学习框架的重要依赖项之一,它能够显著提升神经网络计算性能。可以从 NVIDIA 开发者门户网站获取对应于所选 CUDA 版本的预编译二进制文件。解压后复制头文件至 `/usr/local/cuda/include` 下并将共享对象放置到 `/usr/local/cuda/lib64` 目录下最后赋予适当权限以便所有用户均可访问它们。 ```bash sudo cp include/cudnn*.h /usr/local/cuda/include/ sudo cp lib/* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn*.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn* ``` #### 6. 创建 Conda 虚拟环境并安装 PyTorch 借助 Anaconda 来管理 Python 运行及其扩展模块是一种高效的方式。创建一个新的虚拟环境之后切换进去再利用 conda 命令或者 pip 包管理器导入特定组合下的 pytorch 实现形式即完成了整个流程。 ```bash # 创建名为 myenv 的新环境 (Python 3.x) conda create -n myenv python=3.8 source activate myenv # 启用新建环境 # 方法一:使用官方建议的一键式安装脚本链接 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 # 方法二:手动指定参数方式安装 pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117 ``` 以上过程涵盖了从基础准备直至最终部署各环节的关键要点[^2]^。 ---
评论
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

智识小站

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