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
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