目录
3)上pytorch官网查看自己的cuda对应的pytorch版本(建议用conda下载)
本人前段时间安装pytorch环境搞了整整2天,为了不让你们踩我踩过的坑
我在这里分享我的安装步骤
安装步骤:
1.安装anaconda >> 2.查看自己电脑cuda版本 >> 3.上pytorch官网查看自己的cuda对应的pytorch版本(建议用conda下载) >> 4.上英伟达官网下载cuda cudnn >> 5.安装cuda cudnn
>> 6.检测是否成功
1.安装anaconda
打开anaconda官网
点击individual edition
点击download
自己找个地方放(不建议放c盘)
下载好安装请看anaconda安装以及简单使用
2)查看自己电脑cuda版本
右键NVIDIA点击NVIDIA控制面板
点击右下角系统信息
记住你的cuda版本(这个是最高可接受版本)
3)上pytorch官网查看自己的cuda对应的pytorch版本(建议用conda下载)
pytorch官网:
https://pytorch.org/get-started/locally/
向下滑动 我选的cuda11.3(因为我最大兼容是11.5)
复制这个
将其复制到终端,按下回车执行
到这里输入y按下回车
然后就等待它下载完成
4)上英伟达官网下载cuda cudnn
CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎。
NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA
cuDNN 可以集成到更高级别的机器学习框架中,如加州大学伯克利分校的流行caffe软件。简单的,插入式设计可以让开发人员专注于设计和实现神经网络模型,而不是调整性能,同时还可以在GPU上实现高性能现代并行计算。
下载cuda官网
https://developer.nvidia.com/cuda-toolkit-archive
点击这个,打开网站
找到你的版本(这里我选11.0版本)
点进去安装自己电脑配置 点下载
下载cudnn官网(这个需要有英伟达账号)
https://developer.nvidia.com/rdp/cudnn-archive
圈起来是刚刚你的版本就是上面下的cuda版本(一定要小于你的最高版本) ,下划线就是你的电脑操作系统类型
5).安装cuda cudnn
cuda按照
双击exe
建议不要改地址
选精简安装
无脑确定就行了
安装完成
cuDNN配置
cuDNN 解压缩后的文件
把三个文件夹拷贝到cuda的安装目录下。
CUDA 的安装路径在前面截图中有,或者打开电脑的环境变量查看,默认的安装路径如下
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1
就是替代原本cuda文件夹的 bin include lib 文件
大家应该可以理解,cuDNN 其实就是 CUDA 的一个补丁而已,专为深度学习运算进行优化的
添加环境变量
打开我的电脑(右键此电脑)点击属性
高级系统设置
点击环境变量
点击上面那个编辑
将这四个,依次添加到里面
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\libnvvp
大功告成
6)检测是否成功
打开你的编程软件输入
"""
CSDN : heart_6662
PYTHON amateur
"""
import torch
a = torch.cuda.is_available()
print(a)
ngpu= 1
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())
成功了