pytorch详细安装+cuda环境配置

确定cuda版本

打开NVIDIA控制面板,点击左下角的系统信息,查看自己的显卡型号。
在这里插入图片描述
进入cuda release notes网页查询对应的版本号支持,以CUDA 12.1 Release Notes为例,链接:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
在表格2 CUDA Toolkit and Minimum Required Driver Version for CUDA Minor Version Compatibility查看驱动程序版本支持的CUDA版本,选择其中一个CUDA版本进行下载。
在这里插入图片描述
进入cuda toolkit-archive选择对应的版本进行下载,
链接:https://developer.nvidia.com/cuda-toolkit-archive
之后安装cuda.

pytorch+torchvision+torchaudio安装

在pytorch官网的指示下找到对应的版本组合进行下载不容易出错。但在cmd里直接pip download下载容易因为网络问题出现http类型错误。我们可以在官网上下载好whl文件,然后在cmd上加载相关文件
whl文件,就能较快的完成版本安装。
Pytorch官网链接:https://pytorch.org/get-started/previous-versions/
Pytorch whl安装包下载链接:
https://download.pytorch.org/whl/cu101/torch_stable.html
https://download.pytorch.org/whl/
例如我的cuda版本是10.1,我就根据框框指示的版本号逐个下载,最好是选择带+cu102后缀的,可以免去cuda102配置的额外安装。
torch1.8.1+cu101 torchvision0.9.1+cu101
torch和torchvision都要加上cuda版本号,可以免去cuda额外安装。
在这里插入图片描述

我们可以根据末尾处的链接,进入whl文件库网页,根据自己的python版本下载对应的whl文件。
在这里插入图片描述
在这里插入图片描述
例如我的python版本是3.8,我选择这一下几个文件进行下载。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
下载后3个文件名称如下图所示。
在这里插入图片描述

之后在自己的cmd环境并进入whl文件路径下载并加whl文件名即可快速完成安装。下载顺序是torch、torchvision、torchaudio。
依次执行命令
pip install torch-1.8.1+cu101-cp38-cp38-win_amd64.whl
pip install torchvision-0.9.1+cu101-cp38-cp38-win_amd64.whl
pip install torchaudio-0.8.1-cp38-none-win_amd64.whl

之后在python环境中进行版本测试
在这里插入图片描述
在这里插入图片描述

pytorch验证cuda是否可用代码

	print(torch.__version__)            # 查看torch版本
    print(torchvision.__version__)      # 查看torchvision版本
    print(torchaudio.__version__)       # 查看torchaudio版本
    print(torch.version.cuda)           # 查看cuda版本
    print(torch.backends.cudnn.version())   # 查看cudnn
    print(torch.cuda.is_available())        # 查看cuda是否可用
    print(torch.cuda.device_count())        # 查看gpu数量
    print(torch.cuda.get_device_name(0))    # 查看gpu 0 的名称

anaconda安装不同版本的cuda、cudnn和pytorch

以安装pytorch==2.2.2版本为例。
进入pytorch官网确定安装pytorch版本和所需要的cuda版本

在这里插入图片描述
anaconda配置cuda环境,依次输入

conda create -n torchdemo python=3.8
conda activate torchdemo                    # 激活torchdemo环境
conda search cudatoolkit --info		# 查看源内所有的cudatoolkit版本
conda search cudnn --info			# 查看conda支持的cudnn版本,以及cudnn所适配的cuda版本

安装的cudatoolkit版本还要看显卡是否满足。
在这里插入图片描述
在这里插入图片描述
确定cuda版本和cudnn版本,依次安装cuda和cudnn

conda install cudatoolkit=11.8.0
conda install cudnn=8.9.2.26

在这里插入图片描述
在这里插入图片描述
安装pytorch
根据官网指导下,执行

在这里插入图片描述

  • 2
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在Ubuntu上安装显卡驱动、CuDNN、CUDAPyTorch可以按照以下步骤进行: 1. 安装显卡驱动:可以通过以下几种方式安装显卡驱动: - 通过"Software & Updates"工具在“Additional Drivers”选项卡中选择一个适用于您的显卡型号的驱动程序,并点击“Apply Changes”进行安装。 - 通过命令行使用`ubuntu-drivers devices`命令查看可用的驱动,然后使用`sudo ubuntu-drivers autoinstall`命令自动安装推荐的驱动。 2. 安装CuDNN:CuDNN是NVIDIA加速库,可提供用于深度学习的GPU加速功能。可以按照以下步骤安装CuDNN: - 前往NVIDIA官方网站,下载适用于您的CUDA版本的CuDNN压缩文件(通常需要注册NVIDIA开发者账号)。 - 将CuDNN压缩文件解压缩到一个合适的位置,例如`~/cuda`文件夹。 - 打开终端,使用`cd`命令进入CuDNN解压缩文件的路径,并执行以下命令安装CuDNN: ``` sudo cp cuda/include/cudnn*.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` 3. 安装CUDACUDA是用于在NVIDIA GPU上进行并行计算的平行计算平台和API。可以按照以下步骤安装CUDA: - 前往NVIDIA官方网站,选择适用于您的显卡和操作系统的CUDA版本,并下载对应的运行文件(通常需要注册NVIDIA开发者账号)。 - 打开终端,使用`cd`命令进入CUDA运行文件所在的目录,并执行以下命令安装CUDA: ``` sudo sh cuda*.run ``` - 执行安装向导中的步骤,根据提示进行安装配置,包括选择安装路径和设置环境变量。 - 安装完成后,可以通过执行`nvcc --version`命令验证CUDA安装情况。 4. 安装PyTorchPyTorch是一个用于构建深度学习模型的开源Python库。可以按照以下方式安装PyTorch: - 打开终端,执行以下命令安装PyTorch: ``` pip install torch torchvision ``` - 在安装过程中,可能需要下载和编译一些依赖项。请耐心等待安装完成。 安装完成后,您可以在Ubuntu上使用显卡驱动、CuDNN、CUDAPyTorch进行深度学习任务。
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