windows10+MX350显卡+CUDA11.2+PyTorch 安装

具体主要看
https://blog.csdn.net/m0_37867091/article/details/105788637
很详细的步骤!

1、安装CUDA的不同
但是我的电脑是CUDA 11.2.162的 (如下)在这里插入图片描述
所以在: 英伟达官网链接下载的也就选择了不同的对应版本:
在这里插入图片描述
在这里插入图片描述
2、安装cuDNN的不同
在这里插入图片描述
3. 安装PyTorch的不同!!(格外注意)
由于我在 PyTorch官网、还有csdn中找不到CUDA11.2对应什么版本的pytorch(我只找到了最新的CUDA11.1的对应版本),所以我大胆尝试:

下载CUDA11.1的对应版本!(看到CSDN有小伙伴失败后还是想试一试)

详细如下图:
在这里插入图片描述
NOTE部分不用理会(就是提醒你命令后面不要省略了它的’conda-forge’)

也就是在Anaconda Prompt 中输入如下:
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

在这里插入图片描述
几行代码之后,会出现:
在这里插入图片描述
输入y同意

然后我按照开头给出的参考教程链接的后面步骤继续试验,总是no moudule name torch错误,我就重新输入刚才说的PyTorch官方给的命令了三四次:
然后终于通过了!证明CUDA11.1是可以用的!!!!


我在过程中还犯了个错误,由于没有安装环境之类的经验,我当时输入的:
不是print(torch.__version__)而是print(torch._version_)]

没错,我打的是一个下划线,正确的是两个下划线

在这里插入图片描述

  • 5
    点赞
  • 36
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
要在 mx350安装 PyTorch GPU 版本,需要执行以下步骤: 1. 确保你已经安装了适用于 mx350 的 NVIDIA 显卡驱动程序。你可以从 NVIDIA 官方网站下载并安装最新的驱动程序。 2. 安装 CUDA 工具包。访问 NVIDIA 的开发者网站,下载与你的显卡和操作系统兼容的 CUDA 版本,并按照它们的安装指南进行安装。 3. 安装 cuDNN 库。cuDNN 是一个用于深度神经网络的加速库,PyTorch GPU 版本需要它来提供更好的性能。你可以从 NVIDIA 开发者网站下载 cuDNN,并按照其安装指南进行安装。 4. 创建并激活一个 Python 虚拟环境(可选)。虚拟环境可以帮助你隔离不同的 Python 环境,并确保安装的软件包不会相互干扰。你可以使用 virtualenv 或者 conda 来创建虚拟环境。 5. 使用 pip 或者 conda 安装 PyTorch GPU 版本。打开终端或者命令提示符,运行以下命令来安装 PyTorch: 使用 pip: ``` pip install torch torchvision ``` 使用 conda: ``` conda install pytorch torchvision cudatoolkit=<your_cudatoolkit_version> ``` 注意替换 `<your_cudatoolkit_version>` 为你安装CUDA 工具包版本。 完成上述步骤后,你就可以在 mx350 上使用 PyTorch GPU 版本了。你可以通过导入 torch 库来验证它是否正确安装: ```python import torch print(torch.cuda.is_available()) ``` 如果输出为 True,则说明 PyTorch GPU 版本已经成功安装并可以使用 mx350 的 GPU 进行加速。
评论 8
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