不同虚拟环境安装不同Pytorch-GPU版本
在成功安装Anaconda的基础上,执行以下操作:
步骤
step1: 打开Pytorch官网,复制指令
Pytorch官网
选择复制红框内指令,在prompt命令窗口右击以复制,并回车执行
step2: 检查cudnn是否安装
若已安装,请直接跳至step4进行测试即可.
但一般情况下都未安装,使用conda search cudnn
查询可安装的cudnn版本
可使用conda search cudnn==8.2.1 --info
查询特定版本的cudnn需要的cudatoolkit的版本要求:
*也可在https://developer.nvidia.com/rdp/cudnn-archive查看,此处不讲。
step3: 选择合适的cudnn版本进行安装
step4: 测试代码
import torch
print(torch.cuda.current_device()) # 返回当前设备索引
print(torch.cuda.device_count()) # 返回GPU的数量
print(torch.cuda.get_device_name(0)) # 返回gpu名字,设备索引默认从0开始
print(torch.cuda.is_available()) # cuda是否可用
print(torch.version.cuda) # cuda版本
正常结果类似以下截图: