cuda和pytarch的安装-参考官网的安装-较为通用

cuda 安装

官网:cuda各个版本安装教程
在这里插入图片描述
选择相应版本点击版本前方链接就可以进入安装教程页面

例如:我想要为ubuntu系统安装一个11.7版本的cuda,则选择11.7版本的连接,然后进入安装教程页面。
在这里插入图片描述
然后依次选择对应的选项,最后就会出现安装的命令,如果是第一安装的话,最下方的那种方式都是可以的。如果不是第一次安装的话,建议选择runfile 的方式进行安装,可以省去一些小麻烦。

安装命令会出现在下方,例如:
在这里插入图片描述
例如,11.7版本的就是:

wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run
sudo sh cuda_11.7.0_515.43.04_linux.run

直接复制粘贴到命令行就可以安装了。
安装完毕之后,可以清理掉下载的原始文件,节约空间。

安装完成之后,cuda版本应该还是之前的版本,需要进行版本切换。

直接设置环境变量,将变量指向需要的cuda 版本目录即可。
安装路径在:
/usr/local/

PyTorch 1.x版本安装

官网对应安装命令
需要注意与cuda的版本对应的关系,选择好之后,选择一种适合自己的直接方式安装就好。




提醒自己:
遇到问题需要冷静,愤怒不会让你变强,反而会让你的效率更慢。心平气和的慢慢来,可能反而会更快。
加油!

### 回答1: 1. 首先,确保您的计算机上已经安装CUDA 11.2。您可以从NVIDIA官方网站下载并安装CUDA 11.2。 2. 接下来,安装Anaconda或Miniconda,这是一个流行的Python发行版,可以方便地管理Python环境和软件包。您可以从官方网站下载并安装Anaconda或Miniconda。 3. 打开终端或命令提示符,创建一个新的conda环境,命名为“pytorch-gpu”,并安装PyTorch和相关的CUDA工具包: ``` conda create --name pytorch-gpu conda activate pytorch-gpu conda install pytorch torchvision torchaudio cudatoolkit=11.2 -c pytorch -c nvidia ``` 4. 安装完成后,您可以在Python中导入PyTorch并使用GPU进行计算: ``` import torch device = torch.device("cuda" if torch.cuda.is_available() else "cpu") x = torch.randn(10, 10).to(device) y = torch.randn(10, 10).to(device) z = torch.matmul(x, y) print(z) ``` 这将在GPU上执行矩阵乘法,并将结果打印出来。 ### 回答2: 首先,安装 CUDA 11.2 1. 在 NVIDIA 的官网上下载 CUDA 11.2 安装文件,比如 cuda_11.2.1_460.32.03_win10.exe。 2. 运行安装文件,选择您要安装的组件,比如 CUDA Toolkit、CUPTI、NVIDIA Nsight 等。建议选择全部组件。 3. 按照提示完成安装,期间需要注意设置环境变量 PATH、CUDA_PATH 等。 4. 安装完成后,在命令行输入 nvcc -V,查看 CUDA 版本号是否正确。 然后,安装 PyTorch-GPU 1. 安装 Anaconda 或 Miniconda。 2. 在命令行中运行 conda create -n pytorch python=3.9,创建一个名为 pytorch 的 conda 环境,其中 python 版本为 3.9。 3. 进入 pytorch 环境,运行 conda activate pytorch。 4. 在命令行中输入 conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch安装 PyTorch-GPU。 5. 安装成功后,在 Python 中输入 import torch,查看是否能成功导入 PyTorch 库。 6. 为了测试 PyTorch-GPU 是否正常工作,可以创建一个计算图,并将其转移到 GPU 上进行计算。比如: import torch device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') x = torch.randn(1000, 1000).to(device) y = torch.randn(1000, 1000).to(device) z = torch.mm(x, y) print(z) 7. 如果能够顺利执行并输出结果,则说明 PyTorch-GPU 安装成功。 需要注意的是,PyTorch-GPU 的安装可能会因为环境变量、CUDA 版本与 PyTorch 版本不匹配等因素出现错误。如果出现问题,可以尝试卸载并重新安装 CUDAPyTorch,或者查看 PyTorch 官网安装指南。 ### 回答3: 首先,我们需要安装CUDA 11.2版本和对应的CuDNN库。安装CUDA可以直接从官网下载安装包,并按照提示进行安装。而CuDNN库需要先去NVIDIA官网注册账号,之后访问链接https://developer.nvidia.com/cudnn 下载相应版本,并按照官方文档进行安装安装完毕后需设置环境变量,具体操作可阅读官方文档。 之后,我们需要安装Anaconda(或Miniconda)环境,创建虚拟环境,并安装PyTorch和相应的依赖。可以首先在终端中输入以下命令创建一个名为myenv的虚拟环境: conda create --name myenv python=3.8 接着,激活虚拟环境并安装PyTorch,可以直接在官网上获取到安装命令: conda activate myenv conda install pytorch torchvision torchaudio cudatoolkit=11.2 -c pytorch 安装完成后,在Python终端中输入以下代码即可检查PyTorch是否安装成功: import torch print(torch.__version__) print(torch.cuda.is_available()) 若输出的版本号与CUDA版本匹配,且cuda是否可用为True,则表明PyTorch-GPU安装成功。 需要注意的是,由于PyTorch不同版本所匹配的CUDA版本和库版本不同,在安装前需要查看官方文档,并选择适合自己的版本下载安装。 以上便是安装PyTorch-GPU的基本步骤,若出现问题可参考官方文档或其他相关文献,尤其是在安装过程中需要特别注意版本匹配问题。
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