1、下载NVIDIA GeForce Experience来快速升级显卡驱动。
2、更新完驱动后,在NVIDIA Control Panel中,点击“系统信息”,点击“组件”,查看驱动最高支持的CUDA版本。
3、下载安装CUDA Toolkit Archive | NVIDIA Developer。
4、下载解压cuDNN Archive | NVIDIA Developer。
细节参考:CUDA安装教程(超详细)
5、进入PyTorch,获取安装命令pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
。
6、进入创建的虚拟环境,运行安装命令。
Installing collected packages: mpmath, urllib3, sympy, pillow, numpy, networkx, MarkupSafe, idna, filelock, charset-normalizer, certifi, requests, jinja2, torch, torchvision, torchaudio
Successfully installed MarkupSafe-2.1.2 certifi-2022.12.7 charset-normalizer-2.1.1 filelock-3.9.0 idna-3.4 jinja2-3.1.2 mpmath-1.2.1 networkx-3.0 numpy-1.24.1 pillow-9.3.0 requests-2.28.1 sympy-1.11.1 torch-2.0.0+cu118 torchaudio-2.0.1+cu118 torchvision-0.15.1+cu118 urllib3-1.26.13
7、验证安装成功
import torch
print(torch.__version__) # 查看torch版本
print(torch.cuda.is_available()) # 检测CUDA是否能访问GPU
print(torch.cuda.device_count()) # 显示GPU数量
print(torch.version.cuda) # 查看torch版本
print(torch.backends.cudnn.version()) # 查看cudnn版本
2.0.0+cu118
True
1
11.8
8700
参考内容: