安装步骤
- 根据自己的GPU驱动,安装合适的CUDA和CuDNN
- 安装pytorch及相关包
检查电脑的显卡驱动
电脑上装有NVIDIA显卡驱动的条件下,在桌面上单击鼠标右键在菜单中打开“NVIDIA控制面板”:
点击 系统信息 弹出下面的对话框,在驱动程序版本那一栏就能看到该计算机使用的驱动版本。
在“组件”那一页,可以看到NVIDIA CUDA driver的版本,我是刚更新的11.5。
补充说明:这里的11.5是CUDA的driver API的版本,我们后面安装CUDA时选择的是CUDA runtime API的版本,这两个可以不一致。一般CUDA的driver API版本向下兼容runtime API,即后面我们安装的CUDA版本只要不高于11.5就没有问题。
关于CUDA的版本问题,有兴趣的可以看下面两个帖子了解。
下载CUDA
官网:https://developer.nvidia.com/cuda-toolkit-archive
在https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 可以查询到CUDA和NVIDIA驱动的版本关系。由于太新的CUDA版本会没有与之匹配的pytorch,所以我选择了11.3版本的CUDA:
下载CuDNN
官网:https://developer.nvidia.com/rdp/cudnn-archive
安装CUDA
-
和其它软件安装一样
-
安装结束后将 ~/nvcc/bin(因为版本的不同可能在不同的地方) 目录添加到环境变量 -
在命令行下输入 nvcc -V, 出现下列信息说明Cuda安装成功
-
将CuDNN压缩包解压后,下面的三个文件夹中的文件复制到Cuda的安装目录对应文件夹下
-
然后执行Demo, 如果Demo中显示PASS则说明安装成功
安装Pytorch(torch+torchvision)
不要使用官网生成的安装指令的方式进行安装,就是这种方法不要用:
用这条官网生成的condan install命令装pytorch,可能由于镜像源等不明原因,装上的依然是CPU版本的torch
正确方式:在官网列表 https://download.pytorch.org/whl/torch_stable.html 选择合适的版本
torch和torchvision都在这个列表里面,两个都要装,列表里的whl文件相当于是离线安装包,下载下来之后装得很快。
文件名前面的 cu113代表的就是CUDA 11.3。找到了一个不全的torch-torchvision版本对应关系:https://blog.csdn.net/qq_41542989/article/details/118974550
下载完之后在下载目录用pip指令进行本地安装:
(torchvision的安装方法是一样,忘了截图)
验证Pytorch
注:我开始误装的疑似CPU版本的torch.__version__后面没有+cu113的后缀。
当torch.cuda.is_available为True时说明安装正确。