准备网站:
cuda下载:https://developer.nvidia.com/cuda-toolkit-archive
cudnn下载:https://developer.nvidia.com/rdp/cudnn-download
1.一定一定先确定好版本,会避免后续好多坑!
pytorch对应python版本
https://download.pytorch.org/whl/torch_stable.html
cuda版本适配的cudnn版本
https://developer.nvidia.com/rdp/cudnn-archive
查看个人驱动。cmd中,
nvidia-smi
版本向下兼容,可安装版本最高CUDA12.5
多次踩坑经验,先确定cuda版本,再去确定cudnn版本。先确定python版本,再去确定pytorch版本
2.先安装cudnh和cudnn,参考
CUDA与cuDNN安装教程(超详细)-CSDN博客
极容易出错,谨慎选择
参考过的文章:
Win10安装cuda11.1和cudnn8.0_cuda11.1对应的cudnn版本-CSDN博客
CUDA安装失败-Nsight compute安装失败-如何测试CUDA是否安装成功?Reason: VS** was not found-CSDN博客
3.下载anaconda
https://www.anaconda.com/products/individual
成功打开,即可说明成功
4.安装pytorch
参考该博主。
1. 【必看】如何使用此教程&教程大纲_哔哩哔哩_bilibili
5.几个问题
问题1:无镜像,直接下载pytorch时,巨慢!
问题2:有独显的,使用镜像源时,会一不小心配成cpu版本,参考torch.cuda.is_available()返回false——解决办法_cuda available false-CSDN博客
问题3:直接从官网下载,引入虚拟环境时,会报错,此时找外援,外援认为是以下版本过高
但此版本可直接在cmd中引入,此时cmd中报true,但是后续配置pycharm使用虚拟环境时,会报false!小白一枚,猜测可能引入到base环境中,并不是自己创建的虚拟环境
import torch
print(torch.cuda.is_available())
问题4:最终解决方法,当采用本地下载,且pytorch与python版本匹配,降低版本,使用迅雷下载加速,此方法参考该视频27. GPU版本-安装 PyTorch(方法2)_哔哩哔哩_bilibili