声明一点:PyTorch并没有专门为CUDA11.2版本提供相应的Pytorch版本,但是CUDA11.2可以向下兼容CUDA11.1版本 ,因为我们选择CUDA11.1版本安装。
1.确认PyTorch和CUDA版本的对应关系
2.确认PyTorch和Python版本的对应关系
3.创建并激活PyTorch的虚拟环境
conda create -n pytorch python ==3.8
conda activate pytorch
4.Pytorch下载的官网
Previous PyTorch Versions | PyTorchhttps://pytorch.org/get-started/previous-versions/
找到如图所示的pip安装命令
# CUDA 11.1
pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html
(本人亲测没有出现依赖冲突)
5.检查是否安装成功
在pytorch虚拟环境下
python # 进入python解释器
import torch
print(torch.cuda.is_available())
结果为True则Pytorchgpu版本成功安装
6.将pytorch环境添加至jupyter notebook的内核中
conda activate pytorch
pip install ipykernel
python -m ipykernel install --user --name=pytorch
# 绿色位置为自己目标加入到内核的虚拟环境再次打开jupyter notebook虚拟环境pytorch以及成功添加到jupyter的内核中