在win上配置pytorch：(PyCharm & Anaconda & CUDA版本和 Nvidia显卡和 pytorch版本如何匹配)

chuanauc

已于 2022-09-19 17:02:51 修改

阅读量2.1k

点赞数 6

分类专栏： Python学习文章标签： pytorch cuda

于 2022-08-21 22:20:15 首次发布

本文链接：https://blog.csdn.net/qq_41764621/article/details/126455362

版权

Python学习专栏收录该内容

24 篇文章 1 订阅

订阅专栏

1.Anaconda相关

1.1 使用anaconda展示现有的环境：

conda env list

1.2 删除现有的anaconda 虚拟环境：

conda remove -n XXXX(虚拟环境名称) --all

会有个选项问你是不是全删了，选择y

2.配置CUDA(cuda runtime)，如何选择CUDA版本

因为如果使用GPU版本的Pytorch，则需要使用CUDA runtime

补充一些背景知识：

首先，显卡是一个硬件，想要电脑识别出这个硬件则需要安装一个驱动（有了这个驱动就可以识别出这个显卡）

在安装驱动的时候，也同时安装了一个叫 cuda driver 的东西。这个cuda driver(显卡驱动)是一个可以让显卡进行并行运算的平台（也可以理解为软件）。当我们的电脑想利用显卡去做一些并行运算的时候，就可以通过cuda driver去操作显卡。

有了显卡和显卡驱动和cuda driver，我们计算机就可以利用显卡去做一些并行计算。

但是对于pytorch和一些使用GPU的其他软件来说，还得需要一个叫cuda runtime的东西。这样，pytorch才可以通过cuda runtime 来调用 cuda driver 进而调用显卡。因此这种层层调用的关系需要这三者层层匹配。

因此，要想让pytorch的GPU版本成功运用我们的GPU，则需要：

显卡（GPU） && 显卡驱动（cuda driver version）&& Cuda runtime version 三者相互匹配

一般来说，为了防止cuda runtime 版本高导致支持A操作，但是 cuda driver版本低不支持A操作，所以，一般cuda runtime的版本要选择低于cuda driver的

同时，我们的显卡驱动cuda driver 要支持硬件显卡的算力

并且：其实，当cuda runtime version 的版本支持显卡对应的算力的时候，cuda driver 的版本也能够支持显卡对应的算力。

那么，匹配这三者的步骤如下：

① 由于显卡是固定的，那么显卡的算力也是固定的，于是我们去确定显卡算力：

其实就是确认自己的显卡型号，对于win就是：打开任务管理器 -- 点击 “性能”选项卡

我这个就是GeForce RTX 2060

②根据这个算力去寻找哪些cuda runtime支持对应的算力

访问cuda的维基百科，它列出了一张表，展示显卡的型号和对应的算力、架构等等。

网址如下（需要科学上网，所以我也截了个图放在下方）: CUDA - Wikipedia

对应一下，我的GPU就是算力（compute capability）为7.5 架构为Turing

那么就对应下表，找出支持的 CUDA SDK （CUDA SDK 就是我们之前说的CUDA Runtime）：

发现，后面几个，即CUDA SDK 10.0-10.2 ; 11.0 ; 11.1-11.4 ; 11.5-11.7.1都是将7.5这个算力包含进去了，即这些CUDA SDK 都是可以满足我们显卡算力的CUDA Rutime

③接下来就去看自己的cuda driver的版本是多少。

使用命令 nvidia-smi 得到我们的CUDA version : 如图所示，我的cuda version 是11.1

于是我们进入pytorch官网，找一个比11.1小的CUDA Runtime 版本，我选择了10.2 版本的CUDA Runtime（Compute Platform 选择 CUDA 10.2）,选择安装的方式pip , 然后往下看，理论上会生成对应的安装命令语句，但是，显示的是如下图的提示：

pytorch官网告诉我们：

CUDA-10.2 PyTorch builds are no longer available for Windows, please use CUDA-11.6

于是，我们最好是更新电脑上的cuda 驱动版本（方法如下）：如何在windows上安装&更新显卡的驱动_chuanauc的博客-CSDN博客

现在我们更新完我们的显卡驱动，此时在命令行再次输入nvidia-smi命令，显示我们的cuda driver版本是11.7 ，如下图所示：

于是我们带着新的cuda驱动版本重新杀回pytorch下载界面：选择最新的可用cuda runtime 版本，比如现在我的cuda driver升级到了11.7那么就可以在compute platform上选择：cuda 11.6的版本。

注意：尽可能选择高版本的cuda runtime，选择最新的，不要选择之前老旧版本的

PS：其实我们发现CUDA-10.2 PyTorch builds are no longer available for Windows, please use CUDA-11.6这类不支持错误的时候，也可以坚持下载老版本：具体方法是

①点击 Get Start ； ②选择Previous Pytorch Version选项卡

于是就可以找到老的版本，就可以选择对应的命令下载安装就好了

（由于我们直接将cuda driver升级到了最新的版本，所以就不涉及到了很多的cuda driver和cuda runtime的版本匹配问题了，就比较简单）

终于到了可以安装pytorch的地方

3. 配置对应PyTorch

在这个网址下载就可了：

Start Locally | PyTorch

按下面的对应命令行在cmd中执行就好了

两个注意：①别安装错了虚拟环境②安装的时候，如果已经自己换成清华等国内的镜像了，那，就建议下载的时候，把vpn关了，否则就容易出现网络问题导致报错

下载时会出现的界面：（我后来下载的是CUDA11.3版本）

下载完长这样：

【PS】pytorch一般包含三个包：torch、torchvision、torchaudio。其中，torch是pytorch的核心包，集成了pytorch的一些核心功能；torchvision是pytorch提供给图像处理的一个包，里面包括一些可以用来给图片进行处理的工具；torchaudio提供给语言处理的一些包

如果使用conda安装，那么会使用到一个cudatoolkit是一个conda用于安装包的套件
cudnn是一个可以用GPU进行加速的神经网络的包，pytorch现在已经将cudnn集成进来了，下一个pytorch就把cudnn等一系列全集成起来了