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388 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
关于为Torch配置CuDNN 7（或6以上版本）
Geek_of_CSDN的博客
05-26 4573
其实不能直接配置CuDNN 7给Torch使用，贫僧在上次博客里面跳过了测试阶段，所以错过了这个bug（所以说测试还是必不可少的啊）。 闲话少说，直接使用比较新的版本但是没在~/.bashrc里面配置好路径会出现下面这样的错误： /home/ubuntu/torch/install/bin/luajit: /home/ubuntu/torch/install/share/lua/5.1/tre...
torch.backends.cudnn.benchmark 和torch.backends.cudnn.deterministic
weixin_45079057的博客
05-19 3748
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
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............
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.
【pytorch系列】 torch.backends.cudnn系列用法
sazass的博客
05-10 1万+
参考博客： https://blog.csdn.net/weixin_43402775/article/details/114319493 https://blog.csdn.net/Ibelievesunshine/article/details/99471258 代码形式如下： torch.backends.cudnn.benchmark = True 作用： 设置 torch.backends.cudnn.benchmark=True 将会让程序在开始时花费一点额外时间，为整个网络的每个卷积层搜索最
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...
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...
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：...
pytorch禁用cudnn（一行代码）
12-08
pytorch禁用cudnn（只有一行代码） torch.backends.cudnn.enabled = False
torch.backends.cudnn
南城以北的博客
04-19 1120
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的默认值为False。如果配合上设置Torch的随机种子为固定值的话，应该可以保证每次运行网络的时候相同输入的输出是固定的。如果在可以使用cuDNN的基础上，再设置torch.backends.cudnn.benchmark = True，那么cuDNN使用的非确定性算法就会自动寻找最适合当前配置的高效算法，来达到优化运行效率的目的。
torch.backends.cudnn.benchmark
weixin_36670529的博客
04-18 8761
大家在训练深度学习模型的时候，经常会使用 GPU 来加速网络的训练。但是说起 torch.backends.cudnn.benchmark 这个 GPU 相关的 flag，可能有人会感到比较陌生。在一般场景下，只要简单地在 PyTorch 程序开头将其值设置为 True，就可以大大提升卷积神经网络的运行速度。既然如此神奇，为什么 PyTorch 不将其默认设置为 True？它的适用场景是什么？为什么使用它可以提升效率？答案就在本文之中。 注：因为相关的参考资料比较少，文章的内容是根据我自己的理解和测试的结
CUDA配置及Pytorch-gpu安装教程
最新发布
qq_56079620的博客
06-01 6866
c）点击对应版本后，会进入下一个页面，操作系统（Operating System）选择Windows，构架（Architecture）选择x86_64，版本（Version）选择11，安装类型（Installer Type）选择exe（local），然后点击下载按钮。d）下载完成后双击安装，一路同意或者确认即可，选择自定义安装（第一个选择路径无所谓在哪，只是提供解压路径，安装完成后会自动删除，第二个路径是安装的位置，可以自己修改，但是需要记住安装位置。)首页，往下滑，选择对应选项，复制方框内的命令。
ubuntu下100%成功安装torch,同时配置cuda和cudnn（不成功，则成仁）
热门推荐
Hungryof的专栏
06-01 6万+
总说 这些更新不影响主体。所有更新附加在文章最后。 第一次更新： 内容：添加一些Torch7常用库的安装，时间：2017.3.20 第二次更新：内容：某些torch库无法在线安装，转成离线安装的方法，时间：2017.3.31 第三次更新：内容：针对安装”cutorch”时出错的问题修复。时间：2017.5.11 第四次更新：内容：加入cudnn6.0的安装。 时间：2017.5.19
Pytorch中cudnn版本查询
weixin_34064653的博客
06-20 4544
问题： Disable or able cudnn，查询版本。 Disable cudnn for batch_norm: (See:@Microsoft / human-pose-estimation.pytorch#installation) # PYTORCH=/path/to/pytorch # for pytorch v0.4.0 sed -i "1194s/torch\...
torch cuda cudnn检验程序
weixin_38082364的博客
04-23 1296
同一个代码在不同配置服务器跑的时候经常遇到cuda torch cudnn等版本问题。可以用下面程序检验： # !/usr/bin/python #-*- coding: UTF-8 -*- import torch # 正常没有输出 a = torch.tensor(1.) # 正常没有输出 from torch.backend import cudnn # 正常没有输出 cudnn...
torch在ubuntu16.04下的搭建（cuda9.0+cudnn7.0)
蓝蓝的天
10-20 9282
torch在ubuntu16.04下安装(cuda9.0+cudnn7)
EnvironmentNameNotFound: Could not find conda environment: cuda_torch You can list all discoverable environments with `conda info --envs`.
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。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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