conda虚拟环境中安装cuda和cudnn，再也不用头疼版本号的问题了

最新推荐文章于 2024-08-24 11:45:15 发布
最新推荐文章于 2024-08-24 11:45:15 发布
阅读量10w+ 收藏 708
点赞数 178
分类专栏： 杂记 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43705697/article/details/121618276
版权
本文介绍了如何在conda虚拟环境中安装和切换不同版本的CUDA和cuDNN，以便于深度学习项目的灵活性。首先，通过conda搜索找到支持的CUDA版本并下载，然后在指定环境中安装。接着，查找对应CUDA版本的cuDNN并下载安装。最后，通过安装与CUDA版本匹配的PyTorch来验证安装成功，并展示如何检查CUDA和cuDNN的版本。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

背景（为什么）

深度学习用显卡训练的时候，需要安装与显卡对应的cuda和cudnn，这样才可以用显卡进行训练。

但是github上不同的项目所支持的pytorch版本是不一样的，而pytorch版本和cuda版本之间又是互相依赖的，所以如果可以灵活地在不同cuda版本间切换将是非常方便的。anaconda就可以实现这个功能。

我们可以在conda创建的不同虚拟环境中安装不同的cuda和cudnn版本，以此来实现不同cuda版本间的切换。

具体步骤

查看conda支持的cuda版本

注意：

  • 如果是第一次安装anaconda，需要先修改镜像
  • 要先使用conda activate name命令把conda环境激活到你想要安装的那个环境。
conda search cudatoolkit --info

执行上述命令后，会显示出源内所有的cuda版本，以及下载地址，如图所示
在这里插入图片描述

下载cuda

找到自己想要的cuda版本后，先把cuda下载到本地。首先复制url字段里的下载链接，然后用命令cd到想要下载的目录，执行如下代码下载

wget 你刚刚复制的链接地址

安装cuda

执行如下命令进行安装，因为是通过本地安装的，所以需要写明本地包的路径

# 然后安装本地包
conda install --use-local 本地cuda包所在的路径

查看cuda对应的cudnn版本

使用如下命令查看conda支持的cudnn版本，注意cudnn的版本一定要和刚刚下载的cuda版本对应

conda search cudnn --info

执行后的结果如图所示，图中标出了cudnn所对应的cuda版本号位置
在这里插入图片描述

下载cudnn版本

还是复制你想要版本的cudnn的下载地址，使用wget 链接地址进行下载

安装cudnn

conda install --use-local 本地cudnn包所在的路径

测试安装是否成功

在虚拟环境中安装完cuda和cudnn想要测试是否安装成功，不能使用nvcc -V命令测试，需要在虚拟环境中安装pytorch包进行测试

安装pytorch

首先安装与cuda相匹配的pytorch和torchvision包，可以去pytorch官网查询。

因为我的cuda版本是11.0，支持的pytorch版本为1.7.1，所以我安装的是这俩个，你可以根据你的需要安装。

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0

测试cuda版本

装好pytorch后，命令行输入python，进入python的命令行，导入torch包
查询cuda版本

print(torch.version.cuda)

查询cudnn版本

print(torch.backends.cudnn.version())

如图所示
在这里插入图片描述
可以看到版本号是我们想要的，成功！！！

参考链接

conda虚拟环境中安装cuda和cudnn
python查看cuda版本号

释放GPU潜能：在Conda环境中配置CUDA与cuDNN
2401_85439108的博客
07-09 1321
Conda作为Python的包管理器和环境管理器，提供了一种便捷的方式来配置和管理包含CUDA和cuDNN的环境。本文将详细指导如何在Conda环境中安装和配置CUDA与cuDNN，以实现GPU加速。通过在Conda环境中配置CUDA和cuDNN，您可以充分利用GPU的强大计算能力，加速深度学习和科学计算任务。本文提供的步骤和代码示例将帮助您快速搭建起支持GPU加速的开发环境。本文详细介绍了在Conda环境中使用CUDA和cuDNN进行GPU加速的方法，希望能为您的项目开发提供帮助。
使用 conda 安装 cuda
最新发布
qq_18215813的博客
03-18 639
在下列连接之中，我们可以找到对应的版本。同时，我们可以看到他所支持的 cuda 版本有 11.8, 12.1, 12.4。我们的安装的思路是，手动照 cuda-nvcc 的版本，并让 conda 自动搜寻合适的 cudatoolkit 的版本。这里可以得到具体的版本号，cuda-nvcc 的 11.8 的版本有 11.8.89。遇到这个问题，一般是在安装指定版本（尤其是老版本的）pytorch 时，遇到的。
（保姆级图文详解）ubuntu下深度学习cuda+cudnn+anaconda3环境配置（看这一篇就够了）
shikaiaixuexi的博客
04-09 5779
conda create -n 环境名 python=x.x。
使用虚拟环境conda安装不同版本（指定版本）的cuda，cudnn，pytorch
edward_zcl的博客
06-02 5911
背景：在学习深度学习时，我们不可避免的需要跑多个神经网络，而不同的神经网络环境都不一样，所以必须要使用到虚拟环境(如conda)去做环境隔离，安装属于自己的环境。在这环境中，大多神经网络都必须要用到cuda，cudnn。不同的神经网络需求版本不同，所以也需要另行安装，这与前面一篇文章pip安装包的方式还不太一样。安装好显卡驱动后，使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少，如下： Driver Version: 525.89.02 表明当前显卡驱动版本是525.89
深度学习环境配置——conda虚拟环境安装CUDA和CUDNN
tyyhmtyyhm的博客
03-20 1万+
人生来就不是为了被打败的，人能够被毁灭，但是不能够被打败。—— 海明威《老人与海》
conda虚拟环境中安装cuda和cudnn
知识搬运者
08-24 6748
找到自己想要的cuda版本后，先把cuda下载到本地。首先使用conda activate name命令把conda环境激活到目标环境。首先安装与cuda相匹配的pytorch和torchvision包，可以去。执行如下命令进行安装，因为是通过本地安装的，所以需要写明本地包的路径。执行后的结果如图所示，图中标出了cudnn所对应的cuda版本号位置。附：直接使用conda install安装。复制你想要版本的cudnn的下载地址，使用。
Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置tensorflow-gpu
liao_kyle的博客
06-07 1万+
Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置tensorflow-gpu
conda虚拟环境中安装CUDA、cuDNN、TensorFlow1.11
m0_62648611的博客
07-14 6216
本文主要讲解在conda虚拟环境中安装CUDA、cuDNN、TensorFlow1.11
conda 安装CUDA 和cudnn
bjay的专栏
02-16 1万+
想用tensorflow的GPU版本，安装后 如果出现“W tensorflow/stream_executor/platform/default/dso_loader.cc:59] Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found” 这个Warnning说明有可能没有安装CUDA。需要到下面这几个网址，看看自己的机器中显卡驱动和tensorflow版本来确定自己应该下载什么版本的
在conda环境下安装cudnn和cudatoolkit
子燕若水的博客
05-08 1万+
请注意，您需要确保您的计算机具有支持 CUDA 的 NVIDIA GPU，并且已安装了相应的驱动程序。此外，您需要使用与 CUDA 版本兼容的 cuDNN 版本。cuDNN 通常不是通过 conda 安装的。官方推荐的安装方法是从 NVIDIA 官网下载 cuDNN 的安装包，并按照说明进行安装。尽管如此，您仍然可以在 conda-forge 频道中找到 cuDNN 的第三方包。请注意，这些第三方包可能不受 NVIDIA 官方支持，因此在使用它们时可能会遇到一些问题。
机器学习之GPU-paddle框架搭建之在conda虚拟环境安装CUDA和CUDNN以及在pycharm中验证paddle是否可运行
yxy_ben的博客
05-23 2187
通常，在本地安装与显卡对应的cuda和cudnn，这样才可以用显卡进行训练。但不同的项目所需框架所支持的CUDA版本是不一样的，而框架和CUDA版本之间又是互相依赖的，所以如果可以灵活地在不同cuda版本间切换将是非常方便的。anaconda就可以实现这个功能。所以可在conda创建的不同虚拟环境中安装不同的cuda和cudnn版本，以此来实现不同cuda版本间的切换。
虚拟环境安装cuda
09-06
- *1* *3* [conda虚拟环境中安装cuda和cudnn，再也不用头疼版本号的问题了](https://blog.csdn.net/qq_43705697/article/details/121618276)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630",...
WSL2使用Nvidia-Docker实现CUDA版本自由切换
郭松源的博客
03-04 5525
WSL2使用Nvidia-Docker实现不同CUDA版本的自由切换。
配置Tensorflow使用CUDA进行GPU加速(超详细教程)
热门推荐
m0_51302496的博客
04-01 3万+
对于刚使用Tensorflow的友友来说配置环境并使用GPU进行加速也是件令人头疼的事情，纯自己折腾会遇到比较多的坑，所以这里详细介绍一下Tensorflow的环境配置
机器学习基本环境搭建(超详细！！！)win10+1050ti+ python3.7+Anaconda+cuda9.0+cudnn+tensorflow
爱吃葱的大叔的博客
03-24 3560
本人目前小白，给大家总结一些机器学习的环境搭建。用的联想y7000 现在是先安装win10，后续再安装linux上的。 好啦闲话不多说，开始吧。 第一步： 安装python https://www.python.org/进入python官网点击Downloads > Windows 下载你需要的版本安装包 。 ...
3090显卡安装tensorflow/pytorch
LIWEI940638093的博客
02-09 3873
3090显卡安装tensorflow/pytorch一 3090显卡驱动二 安装CUDA11.0三 安装cuDNN四 安装anaconda五 安装tensorflow/pytorch六 安装gdal 我的系统是Ubuntu18.04，这个教程对所有Ubuntu系统都适用，只是要安装正确的显卡驱动和cuda/cudnn 一 3090显卡驱动 去官网下载正确的显卡驱动即可。具体操作见：https://blog.csdn.net/LIWEI940638093/article/details/109304789 二
深度学习加速：在Conda环境中安装cuDNN库的详细指南
2402_85761468的博客
07-30 1293
对于使用Conda管理环境的深度学习研究者和开发者来说，能够在Conda环境中安装cuDNN是一个重要的需求。虽然Conda不直接支持cuDNN的安装，但通过本文的指南，你应该能够成功地在Conda环境中安装和配置cuDNN。在开始安装之前，我们需要了解cuDNN的基本概念和它在深度学习中的作用。cuDNN需要CUDA Toolkit的支持，因此在安装cuDNN之前，你需要先安装CUDA Toolkit。安装完成后，你可以通过运行一些深度学习框架的测试来验证cuDNN是否正确安装。
已解决：conda找不到对应版本的cudnn如何解决？
酒心★
10-27 1704
然后就可以使用如下命令进行安装对应版本的cudnn了。配置深度学习环境时，打算安装cudatoolkit。cudatoolkit也使用类似的方法。
react hooks 详解
07-17
React Hooks 是 React 16.8 中新增的特性，它可以让你在函数组件中使用 state、生命周期钩子等 React 特性。使用 Hooks 可以让你写出更简洁、可复用且易于测试的代码。 React Hooks 提供了一系列的 Hook 函数，包括 useState、useEffect、useContext、useReducer、useCallback、useMemo、useRef、useImperativeHandle、useLayoutEffect 和 useDebugValue。每个 Hook 都有特定的用途，可以帮助你处理不同的问题。 下面是 React Hooks 的一些常用 Hook 函数： 1. useState useState 是最常用的 Hook 之一，它可以让你在函数组件中使用 state。useState 接受一个初始状态值，并返回一个数组，数组的第一个值是当前 state 值，第二个值是更新 state 值的函数。 ``` const [count, setCount] = useState(0); ``` 2. useEffect useEffect 可以让你在组件渲染后执行一些副作用操作，比如订阅事件、异步请求数据等。useEffect 接受两个参数，第一个参数是一个回调函数，第二个参数是一个数组，用于控制 useEffect 的执行时机。 ``` useEffect(() => { // 这里可以执行副作用操作 }, [dependencies]); ``` 3. useContext useContext 可以让你在组件树中获取 context 的值。它接受一个 context 对象，并返回该 context 的当前值。 ``` const value = useContext(MyContext); ``` 4. useRef useRef 可以让你在组件之间共享一个可变的引用。它返回一个对象，该对象的 current 属性可以存储任何值，并在组件的生命周期中保持不变。 ``` const ref = useRef(initialValue); ref.current = value; ``` 5. useCallback useCallback 可以让你缓存一个函数，以避免在每次渲染时都创建一个新的函数实例。它接受一个回调函数和一个依赖数组，并返回一个 memoized 的回调函数。 ``` const memoizedCallback = useCallback(() => { // 这里是回调函数的逻辑 }, [dependencies]); ``` 6. useMemo useMemo 可以让你缓存一个计算结果，以避免在每次渲染时都重新计算。它接受一个计算函数和一个依赖数组，并返回一个 memoized 的计算结果。 ``` const memoizedValue = useMemo(() => computeExpensiveValue(a, b), [a, b]); ``` 以上就是 React Hooks 的一些常用 Hook 函数，它们可以帮助你更好地处理组件状态、副作用、上下文和性能优化等问题。
评论 46
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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