cuda,cudnn,pytorch的安装概要,一网打尽(win10下)

本文详细梳理了在Windows 10环境下安装CUDA、cuDNN和PyTorch GPU版的步骤,包括更新NVIDIA驱动、选择合适的CUDA版本、安装cuDNN以及通过pip安装PyTorch,旨在帮助读者避免安装过程中的常见问题。
摘要由CSDN通过智能技术生成

在安装GPU版pytorch,tensorflow的时候,往往需要先安装好NVIDIA相关软件,本人在参考大量网络资源后历经坎坷后终于成功安装好GPU版pytorch,下面简单梳理安装时的思路,以防后来者踩坑。

一、更新nvidia显卡驱动

更新驱动参考博客:
备注:驱动更新与cuda的安装是两个独立的过程,更新驱动是为了提高版本号,这样才能使用高版本的cuda更新完驱动后在命令行输入:nvidia-smi查看版本号及对应cuda版本,
在这里插入图片描述

注意这里的cuda版本与我们单独安装的cuda版本不一定非得一样,我们只要单独安装的cuda版本小于等于它即可。最后记得配置环境变量。同时,CUDA版本可以有多个。

二、下载安装CUDA

参考博客
备注:我选择的是10.2版本,这里的版本要与安装pytorch时的版本一致,一路确定即可,不必自定义。命令行输入:nvcc -V ,看到版本号表明安装成功。

三、下载安装cudnn

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Anaconda是一个基于Python的开发环境,包含常用的Python第三方库和工具。安装Anaconda可以方便地创建和管理Python虚拟环境,使得项目之间的依赖不会互相影响。安装Anaconda可以到官网下载相应版本的安装包,根据安装向导完成安装即可。 CUDA是NVIDIA推出的一个并行计算平台和编程模型,用于加速GPU计算。安装CUDA需要先确认自己的GPU型号和对应的CUDA版本,然后到NVIDIA官网下载相应版本的CUDA安装包,安装过程中需要注意选择安装目录和添加环境变量,完成安装后需要验证CUDA是否安装成功。 cuDNN是NVIDIA开发的深度神经网络(DNN)加速库,提供了高效的DNN前向和反向算法的实现。安装cuDNN需要先下载对应版本的cuDNN安装包,并将解压后的文件复制到CUDA安装目录下,然后添加cuDNN的路径到环境变量中。 PyTorch是一个基于Python的开源机器学习框架,支持动态计算图和自动求导。安装PyTorch可以通过pip或conda命令进行安装,建议使用conda install命令,可以解决依赖关系问题。在安装PyTorch时需要注意选择对应的Python版本和CUDA版本,以及安装适配的cuDNN版本。 总之,安装Anaconda、CUDAcuDNNPyTorch需要仔细阅读各自的安装指南,并根据自己的硬件和软件环境选择适配的版本和配置。同时要注意添加环境变量和验证安装是否成功,避免安装失败或出现兼容性问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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