torch GPU 版本安装的踩坑总结

时间：

2023年1月25日18:18:57

配置说明：

显卡要求为nvdia显卡

默认已安装好conda

1.升级或者降级显卡驱动

--本过程需要科学上网

NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

需要注意的是这个地方的显卡驱动即使你选择了 默认也不会给你显示所有的驱动

需要自己通过浏览器控制台->网络找到一个这样的请求修改默认返回的数据条数 默认为10条

这个版本不是越高越好的 是需要在 PyTorch 官网上找到目前aconda 可以下载的对应的cuda的版本

需要选择Pytorch支持的cuda

显卡驱动更新对应的CUDA版本也会更新

安装好之后查看cuda的版本

nvcc -V

nvidia-smi

2.然后开始开始安装对应的额cuda-toolkit

默认官网上是这个 但是这个2023年1月25日18:02:53访问的时候的版本是 12 和我们在上面通过命令行得到的显卡对应的cuda的版本不相同 我们需要11.7版本的cuda

CUDA Toolkit - Free Tools and Training | NVIDIA Developer

cuda的历史版本网站

CUDA Toolkit Archive | NVIDIA Developer

找到病安装对应版本的cuda

3.安装cunn 应该是相关的组件包 需要和电脑上的cuda的版本对应

cuDNN Archive | NVIDIA Developer

这个是一些组件所以直接解压复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7

追加到对应的文件夹中就可以了

bin lib include ...

4.为了防止报错

Problem of "RemoveError: 'setuptools' is a dependency of conda and cannot be removed from conda's operating environment"

先更新下conda（科学上网）

conda update --force conda

5.再进入pytorch官网

PyTorch

点击选择并获取再conda中安装的cmd

复制到cmd中 这个过程需要科学上网

等待好久 如果下载进度条还是不动可以尝试更换网络或者重新将conda中的所有源删除 再重新添加下试试 还是建议打开科学上网

6.如何检查是否安装成功pytorch GPU版本

import torch
torch.cuda.is_available()  ## 输出应该是True

t=torch.nn.Linear(3,3)
t.to("cuda:0")

input=torch.randn((3,3)).requires_grad_().to("cuda:0")
output=t(input)

loss=torch.sum(output)
torch.autograd.grad(loss,input,retain_graph=True)  ## 输出应该是一个gpu上的梯度矩阵
loss.backward()

查看gpu占用率

nvidia-smi