为python安装GPU版本的pytorch

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：
        1. 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
        2. 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。
    • 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())