这里写目录标题
查看能否使用GPU
使用GPU之前,需要确保GPU是可以使用,可通过torch.cuda.is_available()的返回值来进行判断。返回True则具有能够使用的GPU
在pycharm的terminal中输入
python
import torch
print(torch.cuda.is_available())
okk,我输出的是False
参考链接:添加链接描述
而且我忘记我装没装cuda,cudnn啥的了,版本更是记不住,我只知道我现在python版本是3.8,pytorch版本是2.1.1
查看自己的GPU参数
以我自己的实验室电脑为例
win+R
,输入:
nvidia-smi
可以看到我的驱动器版本是512.36,CUDA Version并不是必须安装此版本的CUDA。
安装GPU版本对应的cuda
版本对应链接:click here
要选择对应的cuda,版本高了低了都不行
安装cuda链接:cilck here
卸载之前安装的cuda
控制面板->所用控制面板项->程序与功能
安装cuda版本对应的cudnn
链接:click here
添加CUDA的环境变量(如果已经存在,则不需要重复添加)
配置cudnn
配置cudnn环境变量
查看cuda版本
win+R打开命令行cmd
输入:
nvcc -V
结果:
实验室电脑的cuda版本是:10.1.243
查看cudnn版本
打开cudnn文件夹 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include
查找里面的这个文件:cudnn_version.h(内个博主给的是cudnn.h,我电脑里面不是这个文件)
然后我用的vs打开:
说明我的cudnn是8.0.5
查看cuda和cudnn是否安装成功
win+R到达cmd然后转到文件:
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite
在命令行打开分别打开bandwidthTest.exe和deviceQuery.exe
之后结果:
两个Result = PASS则成功!
参考:添加链接描述
删除虚拟环境cpu版本的torch
如果是在虚拟环境里,那么找到该虚拟环境的lib->site-packages(envs表示根目录,里面有你所有的虚拟环境)
官网上安装pytorch
ok,目前已知我的cuda版本是10.1.243
打开官网:previous_versions
找到对应版本pytorch
pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
我是直接复制下载就成功了
再检验一下:
参考链接:添加链接描述
查看cudnn、cuda对应版本的tensorflow-gpu
链接:click here
tensorflow-gpu可到anaconda中的虚拟环境中安装,根据自己cuda选择版本数