简单粗暴配置：CUDA、CUDNN、Torch及多CUDA管理

已于 2024-06-24 14:44:27 修改
阅读量408 收藏 12
点赞数 5
分类专栏： 相关安装和配置教程 文章标签： pytorch
于 2024-06-12 10:56:52 首次发布
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_46345319/article/details/139620661
版权

文章目录

一、 配置CUDA

Win+R打开命令行，输入cmd，在终端输入：nvidia-smi。
查看本机的GPU信息
在这里插入图片描述

1.CUDA下载

CUDA下载链接：https://developer.nvidia.com/cuda-toolkit-archive
我机子支持 CUDA 12.5的，此处我以CUDA 12.5为例子。
在这里插入图片描述
在这里插入图片描述

2.CUDA安装

根据自己的需求选择即可。第一次安装时建议全选，就不用自己去配置cuda的环境。
在这里插入图片描述

3.CUDA配置环境

在这里插入图片描述

4.CUDA是否配置成功

Win+R打开命令行，输入cmd，在终端输入：nvcc -V
出现以下内容说明成功配置。

在这里插入图片描述

三、 配置CUDNN

CUDNN官方链接： https://developer.download.nvidia.cn/compute/cudnn/redist/cudnn/windows-x86_64/
下载对应的CUDA。
在这里插入图片描述

将下载后的文件复制到相应的文件夹中即可。
在这里插入图片描述

四、配置torch

在Anaconda中配置torch环境（方便管理）。

1.创建Python 3.8环境并激活

在这里插入图片描述
在这里插入图片描述

2.下载torch-GPU版本

Torch 官网链接：https://pytorch.org/get-started/locally/
官网下载的比较慢，可以同过镜像进行下载。
在这里插入图片描述
在这里插入图片描述
此处下载完即可。

五、windows管理多个CUDA

上文我已经下载了CUDA 12.5版本，因为某些环境的原因，我需要在下载一个版本为11.6的CUDA。下文主要是介绍如何下载11.6CUDA和管理不同版本的CUDA。

1.下载11.6版本的CUDA

此处的安装选项建议选择精简模式。
在这里插入图片描述

2.配置CUDA11.6环境

在系统变量中添加这两条，这两条是CUDA11.6版本的，而CUDA_PATH_V_5则是12.5版本的。
在这里插入图片描述
环境变量添加如下图所示。
在这里插入图片描述

3.更改不同CUDA版本

  • 如果你想用CUDA11.6，你需要改动两部分东西
  1. 改动系统变量

CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6
在这里插入图片描述

  1. 改动环境变量
    将跟11.6版本对应的路径上移动到最高处，或者将12.5版本的路径删除即可。
    在这里插入图片描述
  • 如果你想用CUDA12.5
  1. 改动系统变量

CUDA_PATH=D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5
在这里插入图片描述

  1. 修改环境变量跟11.6版本一样即可。
橙汁啤
关注
  • 5
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
详细讲解如何在win10系统上安装多个版本的CUDA
Al Hg的博客
02-12 32万+
前言： 当我们在部署多个AI项目时，常常会需要多个python环境，虽然Anaconda能够解决大多数项目所需的不同环境，但是对于环境跨度较大所需CUDA版本不同的项目显然Anaconda就不能很好的解决，这时我们就需要在自己的电脑上同时配置多个版本的CUDA开发环境，就不需要频繁的更换不同环境的电脑，基于此本文将详细介绍如何在win10系统上的电脑安装多个版本CUDA开发环境。
手把手教你配置torch环境
qq_40859802的博客
10-15 5380
项目背景： 环境包：cuda版本的torch、torchvision、opencv 系统环境：win10 X64，anaconda（配置好系统环境，百度一堆教程） 配置过程 1、添加源路径 在配置环境之前我们先添加其他源路径（如果不添加，会默认从官方源路径进行下载，速度很慢） #打开终端cmd #进入base环境 conda activate base #中科大源 conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/ma
【已解决】兼容多个版本CUDA
还有很长很长的路
05-21 6642
0背景 不同的论文有不同的要求，之前安装了CUDA8+CUDNN6，现在又要装一个CUDA9 1 下载对应版本的软件 不同版本的TF-GPU对CUDA+CUDNN的要求在上一文有指出，跳转博文【软件安装】根据Tensorflow-GPU安装CUDA+CUDNN 如何在官网下载也在上一文讲过了，略过 CUDA 官网下载 CUDNN 官网下载 2 安装CUDA v9 要注意选择自定义安装，把安装位置和其他版本的CUDA区分开来，否则会覆盖安装。 ...
如何在电脑上安装多个版本的CUDA
L1778586311的博客
01-09 3万+
有时候有的项目要求很苛刻，有的需要CUDA>9.0，有的又要CUDA>10.0…无可奈何只能安装多个CUDA 文章目录环境配置CUDA下载安装（已存在一个）cuDNN下载安装环境变量配置测试 环境配置 CUDA9.2，cuDNN7.1.4 想了解如何配置正确的环境，避免包版本的冲突，可以到这里了解一下conda下载各种包时如何避免版本不匹配问题 CUDA下载安装（已存在一个） gpu版pytorch安装教程，这里讲解了如何安装CUDA，如果我们想再装一个不同版本，继续看下去… CUDA下载直达链
同台设备配置多cuda环境
weixin_43301333的博客
12-24 4109
1. 前言 首先driver版本、cuda版本、cudnn版本在绝大多数情况下（个人pc机上）都是一致的。但很多情况下，我们需要在一台设备上，使用多个版本的cuda, 比方说： 多人使用的服务器 需要跑一些其他cuda支持的代码(e.g., 设备安装的cuda为11，需要跑torch1.3代码，但是torch1.3最高只支持到cuda10.1) 上述这种情况下就只能在一个版本的driver上，安装多个版本的cuda和cudnn。但是，这完全是可以做到的. 2. 方法 2.1 安装显卡驱动 在进行接下来的
cuda cudnn torch torchvision 安装包
09-26
cuda cudnn torch torchvision
cuda,cudnn,python3.7,torch1.1.0,torchvision0.3.0
05-26
在IT领域，特别是深度学习和计算机视觉应用中，CUDA、CuDNN、Python、PyTorch和TorchVision是至关重要的组件。以下是对这些技术的详细介绍： **CUDA**（Compute Unified Device Architecture）是由NVIDIA推出的并行...
anaconda，cuda，torch-gpu，tensorflow-gpu，pycharm
04-01
在本文中，我们将详细介绍如何在Windows 10系统下，针对新手从零开始安装并配置`anaconda`、`cuda`、`cudnn`、`torch-gpu`以及`tensorflow-gpu`，并使用`pycharm`进行环境配置。这个过程对于深度学习初学者尤其有用...
pytorch模型提示超出内存RuntimeError: CUDA out of memory.
01-20
跑模型时出现RuntimeError: CUDA out of memory.错误 查阅了许多相关内容，原因是：GPU显存内存不够 简单总结一下解决方法： 将batch_size改小。 取torch变量标量值时使用item()属性。 可以在测试阶段添加如下代码：...
torch-1.14.0+cuda11.8+sm-90+deepspeed
06-03
nvidia新卡h100支持算力90，torch官网提供的下载torch-1.13只支持到86，torch-2.0和torch-2.1倒是支持90，但deepspeed又不支持torch2 无奈下我编译了torch-1.14，配合cuda11.8，能支持h100运行在deepspeed下训练大...
服务器：多CUDA配置
qq_38670710的博客
12-06 1568
这里可以看到服务器中当前已经安装了cuda-11.6、cuda-11.7、cuda-12.0三个版本，其中cuda-11.6是我本次安装的版本。按“a”进入编辑模式，将下面三句话粘贴进去（注意：cuda-11.6是我的安装目录，需要换成自己的CUDA安装目录。下载CUDA：https://developer.nvidia.com/cuda-toolkit-archive。下载cudnn：https://developer.nvidia.com/rdp/cudnn-archive。
torch.backends.cudnn.benchmark 和torch.backends.cudnn.deterministic
weixin_45079057的博客
05-19 3753
torch.backends.cudnn.benchmark标志位True or False cuDNN是GPU加速库 在使用GPU的时候，PyTorch会默认使用cuDNN加速，但是，在使用 cuDNN 的时候，torch.backends.cudnn.benchmark模式是为False。 设置这个 flag 为True，我们就可以在 PyTorch 中对模型里的卷积层进行预先的优化，也就是在每一个卷积层中测试 cuDNN 提供的所有卷积实现算法，然后选择最快的那个。这样在模型启动的时候，只要额外多花一
Anaconda虚拟环境中安装torch + cuda + cuDNN
热门推荐
ligous的博客
04-19 4万+
踩坑踩坑踩坑！！！ 网上很多关于python+pytorch+cuda+cuDNN的教程，作为一只新手小菜鸟，好不容易跟着众多大佬们成功安装了cuda和cuDNN，并通过了检测！好家伙啊，发现我不会加到虚拟环境里！ 接着各种查怎么把安装到本地的cuda整到目标虚拟环境里，发现很多是从conda里直接install，不过直接下载会很慢，大多是从清华大学开源软件镜像站下载cuda和cuDNN包，在conda中从本地install，或者在conda中直接从镜像站网址中下载............
Cuda与Torch配置（For 集群服务器）超详细步骤
weixin_45603120的博客
01-15 1947
每次配置模型环境，无论是在windows，linux，集群服务器上都会在这里卡住，为了未来配置方便，记录下配置注意事项。
PyTorch零基础入门——环境配置
qq_53131372的博客
03-02 3687
PyTorch和Tensorflow是目前最为热门的深度学习框架，本系列文章主要围绕PyTorch框架进行展开。本次文章主要介绍PyTorch框架的搭建。本文主要介绍了如何配置PyTorch环境，以便后期进一步学习PyTorch框架。在配置环境时要注意python的版本，cuda的版本（nvidia-smi），如果安装的PyTorch版本与电脑的硬件配置不相匹配会导致后期程序出现bug。
在Python中，查看torch、cuda和cudnn的版本
qq_38410428的博客
07-15 3万+
有的时候一个Linux系统中很多cuda和cudnn版本，根本分不清哪是哪，这个时候我们需要进入conda的虚拟环境中，查看此虚拟环境下的cuda和cudnn版本。 在conda虚拟环境中安装cuda和cudnn。 1. 查看torch版本 import torch print(torch.__version__) # 结果 # 1.0.0a0 2. 查看cuda版本 import torch print(torch.version.cuda) # 结果 # 9.0.176 3. 查看cudnn版本.
Linux多CUDA版本共存并切换使用
csdn_tclz的博客
09-16 9010
一、安装多个版本的CUDA 由于需要在linux服务器上配置多个实验环境，每个环境要求的cuda、pytorch等工具包是不同的版本。笔者是在安装了cuda10.1之后，在追加安装的cuda9.0。安装多个cuda工具包与安装一个的过程类似，详细步骤见这篇文章 这里就说一下安装多个cuda需要注意的点：（以追加安装cuda9.0为例） 1、首先，因为所用的Linux服务器为Ubuntu18.04，在Nvidia官网选择cuda版本时显示cuda9.0只支持17.04和16.04的Ubuntu，这里18.04
深度学习—Python、Cuda、Cudnn、Torch环境配置搭建
小白菜快努力
03-14 1万+
近期由于毕设需要需要使用Yolo，于是经过两天捣腾，加上看了CSDN上各位大佬的经验帖后，成功搭建好了Python+Cuda+Cudnn+Torch环境，并能成功使用。进而记录下来，，分享给各位。
EnvironmentNameNotFound: Could not find conda environment: cuda_torch You can list all discoverable environments with `conda info --envs`.
最新发布
04-14
"EnvironmentNameNotFound: Could not find conda environment: cuda_torch" 这个错误是由于找不到名为 "cuda_torch" 的 conda 环境引起的。可能是因为该环境不存在或者没有正确设置。 要解决这个问题，你可以按照以下步骤进行操作： 1. 首先，确保你已经正确安装了 conda，并且已经创建了名为 "cuda_torch" 的环境。你可以使用命令 `conda info --envs` 来列出所有可发现的环境，确认 "cuda_torch" 是否存在。 2. 如果 "cuda_torch" 环境不存在，你可以使用以下命令创建一个新的环境： ``` conda create --name cuda_torch ``` 3. 如果 "cuda_torch" 环境已经存在，但仍然出现该错误，可能是因为 conda 环境的路径没有正确设置。你可以尝试使用以下命令激活该环境： ``` conda activate cuda_torch ``` 如果以上步骤都没有解决问题，可能需要进一步检查你的 conda 配置和环境设置。
评论
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