一、查看自己电脑GPU的版本
两种办法:
1.在cmd控制台输入nvidia-smi命令,在CUDA Version中查看CUDA版本
2.单击桌面的NVIDIA控制面板,然后左下角系统信息,点击组件就能看到CUDA版本
二、下载CUDA
在CUDA官网下载与自己电脑版本对应的CUDA11.1,选择window-x86-10-exe
https://developer.nvidia.com/cuda-toolkit-archive
在下载过程中,需要将visual studio integration选项取消,安装完成后在系统变量中查看是否已经添加了系统变量,这个是自动添加的,如果没有自动添加,则需要手动添加。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin
四、安装CUDNN
在下面的网站中找到和CUDA对应版本的CUDNN
https://developer.nvidia.com/rdp/cudnn-archive
测试:
在cmd控制台中,输入nvcc -V,查看是否安装成功。
五、安装pytorch
在pytorch官网,找到CUDA和pytorch对应的版本,我的电脑CUDA版本是11.1.114,可以安装pytorch1.8.0 torchvision0.9.0 torchaudio==0.8.0。
https://pytorch.org/get-started/previous-versions/
根据安装的CUDA版本、pytorch版本以及python的版本,在下面的网页中找到对应的pytorch版本,
https://download.pytorch.org/whl/torch_stable.html
网页中的cu111就是CUDA11.1,cp38就是python3.8,然后是window版本,amd64就是64位系统。
下载完成后在命令行中输入:pip install+下载位置\torch下载的文件名字。
pip install D:\Python\torch-1.8.0+cu111-cp38-cp38-win_amd64.whl
然后可以在python里面运行此代码:
import torch
import torchvision
print(torch.__version__)
a=torch.ones((3,1))
a = a.cuda(0)
b = torch.ones((3,1)).cuda(0)
print(a+b)
print(torch.__version__) #注意是双下划线
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name())
print(torch.__version__)
print(torchvision.__version__)
结果为下面的情况,即配置成功
1.8.0+cu111
tensor([[2.],
[2.],
[2.]], device='cuda:0')
1.8.0+cu111
11.1
True
GeForce RTX 2060
1.8.0+cu111
0.9.0
文章参照:https://www.cnblogs.com/ruiruizhou/p/15430876.html