按照这个方法安装好 cuda、cudnn 和 pytorch 后,先别急着安装其他的库,如与那个方法所述的类似操作先缓缓。这是因为,“这个方法”中只检测了安装 pytorch 是否成功,以及 cuda 是否可用。但其实此时的 pytorch 是否能用 GPU 加速还没测(“这个方法”是对的,只是没有进一步测试),故我们可以先用下面这个个简单的程序测一测。
a=torch.Tensor([1,2])
a=a.cuda()
a
上面是经验,下面是教训
我在按照这个方法安装好 cuda、cudnn 和 pytorch 后,就开始装各种其他的包,然而在最后跑模型的时候直接给我报如下错:
RuntimeError: CUDA error: no kernel image is available for execution on the device
后来查了很多资料才知道原来是我的显卡是 GeForce RTX 3090,而我装的 cuda 版本是 10.2,官网上说 10.2 的 cuda 只能匹配算力 7.* 的 GPU。所以我不得不重新配置了环境。
PS:
- 可以用下面命令查看显卡的型号
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/1d2261a6d9ed694c17d09e179683ee5b.png)
- 高版本的 cuda 好像可以向下兼容低算力的 GPU,但是低版本的 cuda 好像 用不了高算力的 GPU。所以有一种方法是直接装最新的 cuda,然后再配相应的 pytorch(可用这个方法去配)。(好像表示本人没实测过)