window下 pytorch gpu cuda cudnn 安装

已于 2024-09-02 15:28:42 修改
阅读量1.5k 收藏 2
点赞数 3
分类专栏： pytorch python 文章标签： 大数据
于 2022-07-17 14:51:52 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u014403221/article/details/125831306
版权

哪些显卡支持CUDA?

https://developer.nvidia.com/cuda-gpus#compute

1.需要用到的文件，提前下载好

 说一下文件的命名规则

torch-1.10.1+cu102-cp37-cp37m-win_amd64.whl

torch版本+cuda版本-Python版本-操作系统

正常情况，你应该到torch官网根据下面这张图去下载对应的东西 

PyTorch

torch 下载地址

https://download.pytorch.org/whl/cu116

cuda下载地址

CUDA Toolkit Archive | NVIDIA Developer

或者

CUDA Toolkit 11.7 Downloads | NVIDIA Developer

 选择自己合适的版本下载

cuDNN下载

https://developer.nvidia.com/rdp/cudnn-download

或者 

CUDA 深度神经网络库 (cuDNN) | NVIDIA Developer

需要账号登录才能下载

2 安装

1.安装cuda

直接双击安装文件进行安装

安装完后来到安装目录的bin下

在这个目录下打开cmd ,输入 nvcc -V, 看到如下信息说明安装成功

 

2. 安装cdDUNN

将这3个文件复制到 cuda目录下 

 切换到这个目录下

 执行bandwidthTest 和 deviceQuery  看到如下信息说明安装成功

安装Torch

安装这3个文件即可

最终验证

安装成功

觉得有用，帮忙点个赞呗  >.<

arv1nChen
关注
专栏目录
win11下安装Cuda和Cudnn(pytorch+GPU环境安装)，保姆级教程！！！
qq_36623004的博客
10-09 2万+
cuda+cudnn的安装配置(pytorch+GPU环境安装)
Anconda,Window10,Cuda8.0,Cudnn6.0环境下Pytorch安装
loco1223的博客
05-29 1001
0.基础环境安装，诸如Anaconda，Cuda,Cudnn https://blog.csdn.net/gangeqian2/article/details/79358543 1.在Anaconda Prompt内新建环境 conda create -n torch python=3.6 # 环境名称：torch python版本：3.6 在这一步出现如 HTTP 404 NOT FOUND ...
torch-1.0.1+cuda101-cp37-cp37m-win_amd64.whl
08-07
GPU版本的torch，大小为355M， 适合下载慢的同学下载。下载后利用pip安装，但是要自己配置好电脑的cuda
torch-1.0.1-cp37-cp37m-win_amd64.whl
03-21
本链接提供torch-1.0.1-cp37-cp37m-win_amd64.whl的快速内网下载，解决从外网下载速度超慢造成的链接超时问题
gpu版本torch安装踩坑总结
最新发布
江湖偌大的博客
08-08 1713
0.我这次最开始是直接在 anaconda prompt 中下载 torch ，用的下面的 pip 命令，下载的实在是太慢太慢了，每次下载torch 都提示要将近三个小时才能下载下来，但是一般下了一小时就报错了。这个方法我之前就试过，但是之前没成功，报错在这里，不知道这次为啥成功了，而且提示很奇怪，好像和其他博主的都不一样。由于我的服务器那边网络极差，直接用官网指令下载不下来，只能用 .whl 文件下载，最终成功了。3.conda版本太低了4.10.3，更新到了22.9.0，继续下载，还是报错。
pytorch GPU版本安装（亲测）
sslfk的博客
11-14 6797
pytorch gpu版本安装
Pytorch GPU版安装
AI R&D
04-03 2845
Pytorch gpu版安装 windows
问题：AssertionError: Torch not compiled with CUDA enabled
weixin_54186330的博客
10-18 1549
问题：AssertionError: Torch not compiled with CUDA enabled
Windows下安装CUDA和Pytorch
haqiedaba的博客
09-22 985
win安装CUDA和Pytorch，用GPU跑深度学习
安装PyTorch-GPU版本+CUDA+CUDNN+Win10(显卡GeForce MX450)+Anaconda（最新版）
热门推荐
weixin_44412076的博客
11-09 1万+
目录 安装Pytorch-GPU版本 1.检查电脑是否有显卡 2.选择cuda的版本 3.选择对应的cudnn的版本 4.安装pytorch 安装Pytorch-GPU版本 系统：Win10 环境：Anaconda 显卡：GeForce MX450 1.检查电脑是否有显卡 在右下角wins下—右键—打开设备管理器—选择显示适配器 如果存在NVIDIA XXX就可以安装GPU版本的PyTorch、Tensorflow。 2.选择cuda的版本 去cuda官网..
使用docker搭建分布式pytorch+cuda训练模型（一）
2401_83051627的博客
07-10 1332
由于训练模型所需要的环境一致，因此使用docker创建镜像并在各个服务器中开启容器。随后运行pytorch模型进行分布式训练。过程如下主机使用centos镜像创建容器在容器中搭建环境，上传代码将容器打包成镜像将镜像发布到各个服务器各个服务器开启容器，执行分布式训练。
torch.cuda.is_available（）返回False解决方案
12-21
在配置完环境以后运行程序，程序正常运行但是GPU没有任务，此时判断程序没有在GPU上运行。调试步骤： 先查看cuda安装有没有问题：nvcc -V                                  可以看到cuda驱动等安装没有问题。 进程序去看.cuda()或者.todevice之类代码，看程序确实放在GPU上了，故排除 但是在查看代码是看到这里是一个and，参数args.no_cuda是设置的Flase，所以问题因为在torch.cuda.is_available()，没有获得cuda加速。 查看深度学习环境搭建torch.cuda.is_available()这里返回了
pytorch gpu版本的小白安装教程，含环境配置、CUDA（百度云下载）安装程序失败解决方案-附件资源
03-05
pytorch gpu版本的小白安装教程，含环境配置、CUDA（百度云下载）安装程序失败解决方案-附件资源
pytorch 查看cuda 版本方式
09-16
主要介绍了pytorch 查看cuda 版本方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
torchvision-0.10.1+cpu-cp37-cp37m-linux_x86_64.whl
12-11
torchvision-0.10.1+cpu-cp37-cp37m-linux_x86_64.whl
torch-1.3.0+cpu-cp37-cp37m-win_amd64.whl
10-20
pytorch 最新版本 1.3.0 ( 截至 2019 OCT20) , 去原有网站 DOWNLOAD 可能速度较慢。
Windows安装Torch
qq_40821260的博客
04-10 1629
在window下，打开CMD界面，输入如下指令即可nvidia-smi在相应的输出中，可以知道CUDA的版本为12.0。
yolov5环境配置及训练coco128数据集
qq_57347782的博客
10-29 5394
yolov5搭建，训练coco128
window pytorch 使用gpu
07-14
要在PyTorch中使用GPU，您需要确保以下步骤： 1. 检查CUDA驱动程序是否正确安装在您的计算机上。您可以在NVIDIA的官方网站上下载并安装适用于您的GPU的驱动程序。 2. 安装PyTorch和torchvision。您可以通过以下命令使用pip安装它们： ``` pip install torch torchvision ``` 3. 在您的代码中导入所需的库： ```python import torch import torch.nn as nn ``` 4. 然后，将模型和数据加载到GPU上。要将模型移动到GPU上，您可以使用`model.to('cuda')`方法。要将数据加载到GPU上，您可以使用`input_tensor.to('cuda')`方法。 ```python # 创建模型 model = YourModel() # 将模型移动到GPU上 model = model.to('cuda') # 加载数据到GPU上 input_tensor = input_tensor.to('cuda') ``` 5. 在训练和推理过程中，确保将输入和模型的参数都传递给GPU上的操作。 ```python # 训练过程 for input, target in dataset: input = input.to('cuda') target = target.to('cuda') # 向前传播、计算损失等操作 # 推理过程 with torch.no_grad(): input = input.to('cuda') output = model(input) # 注意：在使用torch.no_grad()进行推理时，不需要计算梯度，因此可以加快运行速度。 ``` 这样，您就可以在PyTorch中成功使用GPU进行加速计算了。请确保您的GPU和驱动程序都与所使用的PyTorch版本兼容。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值