1.检查安装的pytorch的版本:
import torch
print(torch.__version__)
如果之前用pip的清华源下载,往往是CPU版本,则需将其改为GPU版本,如下:
我这里是1.7.1的pytorch,和对应10.1的CUDA,查找自己所需的CUDA方法:
nvidia-smi
2.先下载对应的CUDA和cudnn
CUDA:
下载地址:
https://developer.nvidia.com/cuda-toolkit-archive
根据自己的GPU型号选择自己合适的版本,大概2.5G左右
安装方法参考:
只选择第一个CUDA
由于我一般用pycharm,而且是第二次安装,不需要勾选VS项和Nsight Systems和Nsight Compute,如果第一次安装,则可以勾选后两项。
点下一步
我的安装位置是:
cudnn
下载地址:需要提前注册登录https://developer.nvidia.com/rdp/cudnn-download
安装好解压后,将文件复制转移:
将左边cudnn的文件夹bin,include,和lib里面对应的具体文件 分别 复制到CUDA的bin,include,和lib三个文件夹中
3.安装GPU版本的pytorch版本
由于我没用anaconda的虚拟环境,所以下面讲解的都是终端的pip方式,并且pytorch和CUDA版本有对应要求:
方式一: 在pycharm用pip下载 注意选择自己合适的型号
https://pytorch.org/get-started/previous-versions/
但是我的下载太慢到最后往往出错,可以参考这个博主的方法:https://blog.csdn.net/qq_46126258/article/details/112708781
方式二:直接下载.whl文件
https://download.pytorch.org/whl/torch_stable.html
以10.1的CUDA,3.9的python版本为例,下载:
下载后,打开cmd,定位到下载的文件目录中:(下面输入错了 是 cp-39-cp39 )
输入的指令分别为:
pip install torch-1.7.1+cu101-cp39-cp39-win_amd64.whl
pip install torchvision-0.8.2+cu101-cp39-cp39-win_amd64.whl
pip install torchaudio-0.7.2-cp39-none-win_amd64.whl
最后返回pycharm,输入
import torch
print(torch.cuda.is_available())
此时显示为true
4.检查GPU运行情况
在此用VGG网络训练,查看GPU运行情况
cmd 输入 nvidia-smi
结束!