一、安装cuda以及添加cuDNN中的文件:
1.首先你的计算机有显卡,如nvidia版本,比如我的显卡为:
此时我需要去Nivdia的官网上搜索我的显卡GetForce GTX 950适合的cuda版本,注意一台计算机可以安装多个版本,最好选择最新的版本,cuda的作用就是一种并行计算工具包,cuda安装好之后,需要验证一下,出现如下情况表示cuda安装正确
有时候出现你的命令无法识别,此时你就需要去检查你的环境变量了,需要将cuda的lib文件夹路径添加到你的系统变量的PATH里面,然后验证就会成功
2.cuda安装好之后就需要下载对应版本的cuDNN(神经网络加速包)包,下载下来,然后将粗DNN里面的三个文件夹(lib、include、bin)里面的文件对应的添加到cuda的安装路径下的(lib、include、bin)三个文件夹中,一定记住是添加,而不是其他含义。
二、安装pytorch的相关包
conda安装包问题:
1.使用国外源出现安装失败,可考虑 使用国内源
2.当安装包时出现SSL等问题时,考虑将源中https协议改成http协议安装
3.当使用pytorch中提供的命令无法安装pytorch、torchvision等包时,考虑使用离线安装包,离线安装过程如下:
1)分别下载对应版本的包,到pytorch官网上去下载或者考虑去清华镜像里面去下载
2)注意:在使用pip或者conda离线安装包的时候需要定位到所创建的虚拟环境中去安装
3)到pycharm中去验证你的gpu是否可以使用
类似上面我安装的torch的版本以及gpu可以使用
参考:
[1]win10下pytorch-gpu安装以及CUDA详细安装过程_mind_programmonkey的博客-CSDN博客_pytorch-gpu安装
[2]pytorch的cuda环境搭建(GPU版本安装)_Never-Giveup的博客-CSDN博客_pytorch安装cuda
[3]PyTorch 最新安装教程(2021-07-27)_ZSYL的博客-CSDN博客_pytorch安装教程2021
[4]深度学习:Pytorch(gpu)在windows10上的安装_HHYi的博客-CSDN博客
[5]GPU版本的PyTorch安装与环境配置_「已注销」的博客-CSDN博客_gpu版本的pytorch
[6]深度学习:Windows10+CUDA10.0+CUDNN7.4+tensorflow-gpu1.14.0_HHYi的博客-CSDN博客
[7]深度学习:Windows10+CUDA10.0+CUDNN7.4+tensorflow-gpu1.14.0-白红宇的个人博客
[8]https://blog.csdn.net/HYilalala/article/details/112237696