pytorch的gpu环境的搭建

一、GPU环境搭建

1、了解自己电脑显卡驱动版本

因为有部分小伙伴对自己电脑显卡驱动的版本不了解，所以选择Tensorflow或者PyTorch的版本的时候会出现安装了，但不兼容的问题，所以我们首先要了解自己电脑显卡驱动版本:)

1.1 、首先在Windows设置中搜索控制面板(按Win键，然后点击左下方的设置按钮就可以到Windows设置页面)。

1.2、 在控制面板中点击NVIDIA控制面板。

1.3、 NVIDIA控制面板中点击“帮助”下面的“系统信息”。

1.4 、查看驱动程序版本，我的显卡驱动版本是388.57。

 1.5、 根据显卡驱动版本确定自己能使用的CUDA Tookit版本。我的显卡驱动版本是388.57,介于385.54和391.29之间，由下图可知，我所能选用的CUDA Tookit版本只有CUDA 9.0。

二、补充：

1 cuda与显卡驱动匹配问题（最常见之一）
  如果显卡驱动不是最新的，建议下载最新的显卡驱动，

  在官网找到合适版本的cuda:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

 

 一般根据操作系统平台和版本号 匹配合适版本的cuda下载安装即可。

安装完成查看安装版本

nvcc --version
 执行后看到版本信息，我当前环境cuda版本是v11.6，如下图：

 

 打开官网https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html查到v11.6版本行

 

查看驱动版本

nvidia-smi
执行后查看到的版本号是537.13,  从上图中 cuda 11.6.x参数要求是大于或等于452.39，所以是cuda与显卡驱动是匹配的正常的。如下图：

三、原文拓展：

关于torch.cuda.is_available() 返回False 详细说明及解决_torch.cuda.is available返回false-CSDN博客