- 创建环境:
conda create --name env_name python=3.5
- conda 查看所有虚拟环境:
conda info -e
- conda调整环境的python版本:
conda install python==3.9
- conda 删除环境:(如果删不掉,使用第二条指令,可得到要删除环境的路径,找到路径手动删除即可)
conda remove -n 环境name --all
- 查看可安装的cudatoolkit:
conda search cudatoolkit --info
- 查看 cudnn的可下载版本:
conda search cudnn --info
- 下载whl使用镜像源之后还是找不到对应版本可以尝试修改conda的python 版本:conda install python=3.9
- 检测cuda和pytorch,cudnn,cudatoolkit安装是否匹配:
torch.cuda.is_available()返回True只能说明可检测到cuda但不一定可以用(比如运行时不兼容问题:GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.) 实际检测是否可用: import torch a=torch.Tensor([1,2]) a=a.cuda()
- 深度学习用显卡训练的时候,需要安装与显卡对应的cuda和cudnn,这样才可以用显卡进行训练
- pytorch版本和cuda版本之间又是互相依赖的
- 可以在conda创建的不同虚拟环境中安装不同的cuda和cudnn版本,以此来实现不同cuda版本间的切换。
- 查询cuda版本:torch.version.cuda
- 查询cudnn版本:print(torch.backends.cudnn.version())
-
注意只有pytorch,cudnn,cudatoolkit 等版本都匹配,torch.cuda.is_available()才会返回true
-
有时会遇到model.cuda()卡住的问题,解决:升级pytorch版本
-
安装pytorch上官网找指令:注意官网那个指令可以选择conda或者pip以及系统类型
conda的使用笔记
于 2022-10-26 21:48:21 首次发布