安装GPU版本的pytorch
- 库安装:torch(GPU版):用pycharm默认安装的是torch的CPU版。
如果已经安装了CPU版本的最好先卸载
-
安装前需要配置GPU环境
- 安装CUDA
- 检查:命令行nvidia-smi查看驱动信息,可以找到Cuda的版本,去官网下载对应程序:https://developer.nvidia.com/cuda-toolkit-archive。
我的CUDA版本是12.2,于是下载1.12.0版本,会让选择操作系统、架构、版本、种类等,因为文件比较大所以建议选择local版本。
- 安装:
- 第一次弹出的路径选择无所谓,是临时文件,随便放哪等进度完成
- 同意并继续后选择自定义安装
3.在选择自定义安装路径后最好放在D盘,并且一定要记住路径,如果有多个,将他们选在同一个路径下。我是自己手动新建了一堆文件夹把它安装在D盘的,具体位置是D:\Utility Software\NVIDIA GPU Computing Toolkit\CUDA\v12.2
Utility Software文件夹是我平时存放各种软件的文件夹,后续的都是刚刚新建的。
- 检查: “nvcc --version” 在命令行运行此命令可以检查版本。
- 检查:命令行nvidia-smi查看驱动信息,可以找到Cuda的版本,去官网下载对应程序:https://developer.nvidia.com/cuda-toolkit-archive。
- 安装CudaNN
- 下载Cudann:https://developer.nvidia.com/rdp/cudnn-archive
- 下载需要注册NVIDIA的账号,我本来就有所以可以跳过。
这个账号本身是英伟达显卡商家的账号,注册有点麻烦,但用处还是蛮多的,注册时候不要太敷衍。
- 随后下载到适用于刚刚CUDA版本的Cudann,进去后选第一个zip格式的文件下载。
我的是12.2,就下载12.2的最新版就好。
- 下载到后打开解压文件,里面有一个cudnn-windows-x86_64-xx_cudaxx-archive的文件夹,点进去会有一堆内容,把这堆内容全部放进刚刚记住的路径里。
我的路径在刚刚的D:\Utility Software\NVIDIA GPU Computing Toolkit\CUDA\v12.2里,把解压到的文件全放在这里。
- 验证:打开.\extras\demo_suite文件夹,bandwidthText.exe以及deviceQuery.exe文件。两个的末尾都出现“Result = PASS”就代表OK了。
如果打开会闪退,可以打开命令行,然后将那个文件拖进去按回车,就不会闪退了,
- 安装CUDA
-
安装torch
- 进入 https://download.pytorch.org/whl/torch_stable.html
- 下载对应版本,文件名的格式是这样:cu开头代表是GPU版本,cp后的数字代表CUDA版本向下兼容,torch代表torch,Bcu不重要,cp是python版本,38代表3.8,linux_x86_64 or win_amd64是系统。
所以选择GPU版本,我是12.2所以选择最高的121,我的python是3.8,所以cp38,win系统。cu121/torch-2.1.0%2Bcu121-cp38-cp38-win_amd64.whl
- 把下载到的文件放入用户文件夹下,如我的C:\Users\14431。然后命令行运行pip install 刚刚的文件名(我的)。刚运行完会等一会儿开始,不要急。如果发现命令行不能输入了就说明它正在运行,不要关。
如我的是:pip install torch-2.1.0+cu121-cp38-cp38-win_amd64.whl
-
验证安装
- 在在python新建一个文件,写以下代码:如果有输出信息,即可说明安装成功。
import torch print(torch.cuda.device_count()) print(torch.cuda.is_available()) print(torch.backends.cudnn.is_available()) print(torch.cuda_version) print(torch.backends.cudnn.version())
- 在在python新建一个文件,写以下代码:如果有输出信息,即可说明安装成功。
-