pip 安装pytorch_win10 离线安装cuda cudnn pytorch --GPU

fdc2f5a396fd181e02c08f1656840845.png

f7446a982ad450f099c766b25afd7cbe.png

只选择CUDA 其他选项不选

cc6900bf43a108b705ccb8332e679a7e.png

安装位置可以自己定 例如

D:cudaNVIDIA CorporationCUDA Samples

D:cudaNVIDIA GPU Computing ToolkitCUDAv10.1

d8567a8e730572a885199a1bc350f4b0.png

然后在安装CUDNN

d843f13c1c1baed99bb908b320e27de9.png

将其解压后 将对应文件夹做合并!!! 不要直接估值粘贴

然后设置环境变量

e169c7d829745eb9f0e6accd27d20b41.png

70f693ccf115bcdfe991e5aa27b9bf44.png

4417a3ba7c9e9e40d83e7a76402f65e1.png

测试cuda是否安装成功

输入 nvcc -V

6c353dee5e327174cf22f2ed1d1c54c4.png

然后将路径转到

D:cudaNVIDIA GPU Computing ToolkitCUDAv10.1extrasdemo_suite

eef6d13fd27aa9bad927ea8942671fcd.png

之后输入 .banwidthTest.exe

和 .deviceQuery.exe

出现Result = PASS 就是安装成功

7717746f07bd67ba72736c539111b289.png

d69b63833519ac98c67710ed42e0b43f.png

离线安装pytorch

pytorch安装包​download.pytorch.org

选择对应cuda 的版本

下载完后使用 pip安装

切记安装在确定的环境中

将路径切到安装所在位置 直接pip

d408dade00c8e972aa17831e84d0e395.png

测试是否安装pytorch成功

import torch
print(torch.__version__)
 


判断pytorch是否支持GPU加速

print(torch.cuda.is_available())

输出为:True,即安装成功

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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