pytorch 4070s配置教程
一、安装显卡驱动
- 显卡参数:GeForce RTX 4070 SUPER 12G D6X
1.下载显卡驱动
- 下载驱动:https://www.nvidia.cn/Download/index.aspx?lang=cn
安装的时候,一直下一步即可
2.验证是否安装成功
- 打开CMD终端(快捷键:Win+R),命令行输入:nvidia-smi查看GPU状态
- 安装的时候,默认会安装当前显卡最新的CUDA版本。
二、安装Visual Studio 2017、2019、2020
1.不安装的现象
2.安装
- 2017、2019和2022的VS版本安装链接:百度网盘下载链接
- 安装社区版即可
- 注意:勾选 Python开发 和 C++桌面开发
三、安装CUDA版本
1.查看pytorch对应的cuda版本
- 打开https://pytorch.org/
- 这次我安装的是最新的
2.下载对应cuda版本
- 下载地址:https://developer.nvidia.com/cuda-toolkit-archive
- 查看安装不同版本CUDA所对应的显卡驱动版本(比如这里我选择的就是11.8版本,建议显卡驱动版本高的安装高版本CUDA,显卡驱动版本只要大于CUDA对应的最低版本就行,显卡驱动版本版本过低可以升级)
- 确保自己的CUDA Driver 版本 >= CUDA Runtime 版本
- 点击下载
- 这里随便创建一个文件夹,只是解压文件
- 这里默认都打勾了, 直接下一步即可
- 默认位置,点击下一步
- 安装成功
3.测试是否安装成功
- 在cmd里面输入:nvcc -V
四、安装cuDNN
- cuDNN(CUDA Deep Neural Network library)是由NVIDIA提供的针对深度神经网络的加速库。它通过利用NVIDIA的GPU进行加速,提供了高效的深度学习推断和训练的实现。cuDNN包含了一系列针对卷积神经网络(CNN)的优化算法和函数,可以大幅提高深度学习模型的训练和推理速度。
- 具体来说,cuDNN提供了针对卷积、池化、归一化等常见操作的高度优化的实现,这些操作是构成深度神经网络的基本组成部分。通过使用cuDNN,开发人员可以充分利用NVIDIA GPU的并行计算能力,加速深度学习模型的训练和推理过程,从而提高整体的计算性能和效率。
- cuDNN 其实是 CUDA 的一个补丁,专为深度学习运算进行优化的。
1.下载cuDNN
- cuDNN需要先注册才能下载:cuDNN下载
- 我们CUDA Driver是12.4,CUDA Runtime的是11.8.0,这里选择cuDNN的版本需要根据CUDA Runtime版本来选择
- 我们CUDA Driver是12.4,CUDA Runtime的是11.8.0,这里选择cuDNN的版本需要根据CUDA Runtime版本来选择
2.解压
- cuDNN里面有这些文件
- 将这三个文件,解压到这个文件夹:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
- 这个文件夹是CUDA Runtime的文件夹
3.测试
- 在cmd进入文件夹:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite
- 运行:bandwidthTest.exe
- 如果Result = PASS则代表cuDNN安装成功。
五、安装Miniconda
- 教程地址:https://blog.csdn.net/qq_37344058/article/details/136003106
六、安装Pytorch
- 先在conda创建一个虚拟环境
conda create -n machine_learning python=3.9
- 注意:cmd需要以管理员身份运行,创建的虚拟环境才会在安装目录下面
- 输入官网的命令进行安装
七、测试Pytorch与显卡
import torch
import numpy as np
test=np.array([[1,2,3,4],[5,6,7,8]])
x=torch.tensor(test)
print(x)
print(torch.cuda.is_available()) #输出为True,则安装无误