PyTorch
An open source machine learning framework that accelerates the path from research prototyping to production deployment.
选择安装版本:
默认选择稳定版本即可,如需要指定版本,可在历史版本中寻找安装命令。根据自己系统、安装工具(个人感觉pip比conda好用,conda有时会报错)、语言、CUDA版本,复制命令安装。PyTorch和CUDA必须使用对应版本,最好先安装CUDA。
以Python3.7、CUDA11.0、PyTorch1.7.1为例,在Python环境(建议使用Anaconda创建)下输入对应命令:
CUDA
开发、优化和部署经 GPU 加速的应用。
在CUDA历史版本下载地址中找到所需版本:
以CUDA11.0为例:
选择系统、架构(一般默认64位,32位高版本已不支持)、系统版本、安装类型(推荐选择local,即下载完整安装包到本地),下载安装包,完成后双击安装:
提取安装文件,默认OK即可,安装完会自动删除文件,不占空间。提取完成会自动启动安装程序,默认参数一直确定即可完成安装。
安装完成后,在CMD中输入nvcc -V
测试是否安装成功,如下显示CUDA版本信息即为成功。
cuDNN
NVIDIA CUDA® 深度神经网络库 (cuDNN) 是经 GPU 加速的深度神经网络基元库。cuDNN 可大幅优化标准例程(例如用于前向传播和反向传播的卷积层、池化层、归一化层和激活层)的实施。
在cuDNN历史版本下载地址中找到所需版本:
如无指定版本,可选择对应已安装CUDA版本的最新版本cuDNN(老版本可能找不到下载文件),这里以Win10下对应CUDA11.0的cuDNN8.1.1为例:
点击下载解压后,将文件夹中文件复制到CUDA安装地址中的同名文件夹中即可: