一、问题
学习Pytorch的过程中,发现项目程序要求的torch版本较低,需要在Conda环境下再配置一个虚拟环境,配置中出现了不兼容问题,初配置如下:
CUDA 9.2 + Pytorch 1.6.0 + torchvision 0.7.0
虽然用"nvcc-V"和“CUDA安装路径里自带的demo”均验证CUDA已安装成功,但在新建的torch环境中,运行:
torch.cuda.is_available()
显示“False”。此外,上述初配置是按照项目开源程序里"requirments.txt"里配置,所以本以为按此配置不会出问题。捣鼓半天发现可能有几个小问题:
- 开源程序里的库作者自己用时可能长久未更新,所以现在再下载的相同版本库内部已有所变化;
- 看源码发现,Conda环境下每一个虚拟torch会根据一定的路径自动搜索与自己版本兼容的CUDA版本,从这一点上,CUDA环境变量的配置可能不具有“必须性”(测试确实如此,删除原配置的环境变量不影响torch对CUDA的使用)
二、解决
最终没有坚持项目程序里对库版本的配置要求,将CUDA从9.2 改为 CUDA10.2版本,问题解决。以下是Pytorch环境配置中可能用到的一些链接,这里留以记录:
- Ananconda安装: Anaconda Download
- CUDA Toolkit下载官网:CUDA Toolkit Download
- tips:NVIDIA显卡向下兼容,高版本可以下载低版本的CUDA,"nvidia-smi "可以查询“可兼容的最高版本CUDA”
- CUDA、Pytorch、torchvision兼容关系查询: Compatibility Quary Link
- 神经网络加速库cuDNN:cuDNN Download
- Pytorch安装官网:Pytorch Download
- tips: Pytorch与CUDA安装时的对应关系不必过于严格,相近的版本也可组合使用
- Pytorch学习中可能用到的一些非官方库: Archived: Unofficial Windows Binaries for Python Extension Packages
- 查看当前显卡算力:Compute Capabilities Quary Link
- Pytorch3d 各版本:Pytorch3d Releases Download
- NVIDIA CUB 下载:NVIDIA/cub Download
- NVIDIA显卡算力查询:cuda-gpus
ing…