1、CUDA10.2
1.1CUDA10.2的下载和安装
CUDA10.2的下载地址:
CUDA Toolkit 10.2 Download | NVIDIA Developer
安装包下载好后,双击安装包进行安装。
1.2检查CUDA10.2是否安装成功
按提示安装好后,需检查是否安装成功。在cmd中输入如下命令:
nvcc -V
出现如下信息则表示CUDA10.2安装成功:
2、cudnn7.6.5
2.1cudnn7.6.5的下载和安装
cudnn的下载地址:
ccuDNN Archive | NVIDIA Developer
找到适用于CUDA10.2的cudnn7.6.5的压缩包进行下载:
下载完成后解压,将其中的bin、include和lib文件夹复制到CUDA10.2的安装路径下:
2.2检查cudnn7.6.5是否安装成功
通过运行deviceQuery.exe和bandwidthTest.exe查看GPU的状态,两个文件均在安装目录的extras\demo_suite文件夹中
注:双击执行可能会出现闪退的情况,可以把两个文件分别拖进cmd进行执行,出现以下信息表示安装成功:
3、pytorch1.10.0
pytorch1.10.0的下载地址:
download.pytorch.org/whl/torch_stable.html
找到对应的pytorch版本(CUDA10.2+python3.9+win系统)
进入到文件的下载路径,在anaconda的命令行中输入以下命令进行手动安装:
pip install torch-1.10.0+cu102-cp39-cp39-win_amd64.whl
安装完成后执行以下代码查看是否安装成功:
import torch
print(torch.__version__)
4、torchvision0.11.1
下载地址同pytorch
同理找到对应的torchvision版本进行下载:
在命令行中执行:
pip install torchvision-0.11.1+cu102-cp39-cp39-win_amd64.whl
查看是否安装成功:
import torchvision
print(torchvision.__version__)
还可以使用pip查看是否安装成功:
pip list