Windows 2016 server NVIDIA cuda toolkit11.3 pytorch-gpu 踩坑教程

花晓木

已于 2022-11-09 13:43:17 修改

阅读量5.3k

点赞数 10

分类专栏： windows NVIDIA 文章标签： pytorch windows python

于 2022-09-02 15:57:29 首次发布

本文链接：https://blog.csdn.net/yhl18931306541/article/details/126661069

版权

windows 同时被 2 个专栏收录

4 篇文章 0 订阅

订阅专栏

NVIDIA

4 篇文章 1 订阅

订阅专栏

Windows 2016 server NVIDIA k20c cuda toolkit11.3 pytorch-gpu 踩坑教程

巨坑兄弟们各种bug，按照文档一步一步来。

1. 环境

操作系统：Windows 2016 server
显卡：NVIDIA k20c
因为我已经安装过python环境了，以下我就不再重复演示了，直接上链接;
多版本python安装方式
 单版本python安装方式

注意：Tesla K20c（显卡算力小于3.5）安装pytorch（要求显卡算力3.7以上）
所以python也需要安装3.5~3.7版本，高版本不兼容

2. cuda toolkit 安装

检测显卡型号：如何查看电脑显卡型号
查看自己显卡是否支持CUDA安装：查看地址
在这里插入图片描述

选择和自己显卡驱动一样的型号，因为我的显卡是K20C 所以我选择这个，如图：

所以得出我的显卡支持支持CUDA安装，无需下载任何东西，只要查看到即可

在这里插入图片描述

更新显卡驱动

第一种 NVIDIA 驱动程序下载方法，如下：官方地址

找到和自己显卡所对应的点击搜索，跳转到其他页面，进行下载。

在这里插入图片描述

第二种NVIDIA 驱动程序下载方法，如下：

跟据驱动的版本号选择toolkit的版本号：CUDA版本与显卡驱动对照表

我的是396.37左右，所以选择9.2版本的

![在这里插入图片描述](https://img-blog.csdnimg.cn/54cf02e22d0a4d2e9ad4d5fa993814f3.png

从官网下载toolkit：官网地址

在这里插入图片描述

点击之后会跳转到如下界面选择系统版本，点击下载；

在这里插入图片描述

下载完成后，双击安装包
在这里插入图片描述

这时候会选择解压目录，选择非C盘就行（其实哪也无所谓，安装完成后会自动删掉）

在这里插入图片描述

检查兼容性会时间长一些

在这里插入图片描述

将Visual Studio integration 的勾取消掉，点击下一步

在这里插入图片描述

这个时候有个报错。报错是内容 Microsoft Visual C++ Redistributable is not installed, this may lead to the DLL load failure
解决方案：
点击链接 https://aka.ms/vs/16/release/vc_redist.x64.exe
之后下载安装即可
还有一种暴力安装方式，如果安装到某个组件报错了，下次安装的时候就不要勾选这个组件

安装路径选择：只要不是C盘，其他地方都可以。这三个路径不可以安装到一个文件夹里面，必须建三个文件夹，而且这三个文件夹不可以和上面NVIDIA文件夹放在一起，因为NVIDIA程序安装完成之后，文件夹自动删除了， ######重中之重#######

在这里插入图片描述

经过漫长的10分钟等待，终于安装好了

在这里插入图片描述

测试toolkit环节：

打开CMD，输入 nvcc -V

在这里插入图片描述

3.cuDNN安装

cuDNN下载（下载和toolkit对应的版本就行）下载官方地址
在这里插入图片描述
下载完成后解压，然后复制文件到安装cuda toolkit的目录下(我的目录名是9.2)
直接Ctrl +c Ctrl+V 覆盖
这个目录下原本就有这几个文件，如果没有的话，就看你自己把上面3个路径放在哪了，
三个路径的文件我都copy到一个目录下了，安装时分三个目录，安装完成之后可以copy到一个目录下。
在这里插入图片描述
copy到下面的路径里面

在这里插入图片描述

4. pytorch-gpu安装

在官网选择安装语句：官方路径
直接 copy + F 搜索关键字

在最近将一些代码升级到更新版本的 PyTorch之后，我发现它无法再在 NVIDIA Tesla K40 GPU
上成功执行。特别是，每当.forward() 调用模型的函数时，我都会看到以下错误：

RuntimeError: CUDA error: no kernel image is available for execution
on the device
事实证明，PyTorch v1.3.1在它们的预构建二进制文件中放弃了对具有 NVIDIA 计算能力 3.5 的GPU 的支持，pip或者conda- 声明的原因是支持这些较旧的 GPU 会使二进制文件大小超过可接受的分发限制。
---------------------官方文档是这样说的---------------------
意思就是 1.3版本以上就不支持 K40 GPU了，何况我这是 K20呢

用于较旧 GPU 的较新 PyTorch 二进制文件会不兼容，所以我只能安装1.3版本以下的
如果在以上链接找不太好找，我记录了两个链接，分别是所有的torch 文件

低版本

高版本

在这里插入图片描述

复制命令去cmd 执行，必须是使用管理员用户运行 cmd
一般来说安装完pytorch-gpu就会有conda命令，只需设置个环境变量即可

在这里插入图片描述

如果cmd没有识别 conda 命令，简单粗暴方式：继续安装软件

安装 conda

访问 conda 官网, 然后下载对应平台的安装包：
平台链接地址

正常情况下，浏览器会自动识别出当前系统类型，然后提供对应的安装包下载，另外，你也可以点击下方的系统图标，下载自己想要的 conda 安装包。

点击下载

在这里插入图片描述

下载完成后，双击 .exe 后缀的安装包：

在这里插入图片描述

如图·操作即可

在这里插入图片描述

这一步就比较关键了，建议两个都勾上。其中第二个选项必须勾选，至于第一个选项，它的意思是会把 anconda 添加进环境变量，勾选后可直接可以在 cmd 命令控制台中使用 conda 命令，否则必须在开始菜单的 (Anaconda (64-bit)) 这个程序去运行 conda 命令。

在这里插入图片描述
然后安装即可
安装需要花费一点时间，耐心等待即可；

验证 conda 是否安装成功

同时按住快捷键 win + r ，调出 cmd 命令行，点击 确定 按钮：
执行命令 conda --version , 若输出了 conda 的版本号，则表示 conda 安装成功。

在这里插入图片描述

在CMD中激活conda环境后，先卸载pytorch-cpu：

conda uninstall pytorch
conda uninstall libtorch
pip uninstall torch （这条命令会报错，无需排除）

然后粘贴安装pytorch-gpu语句

conda install pytorch==1.1.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch

在这里插入图片描述
等待即可

最后安装完成后，在CMD python中测试是否有GPU，
我们需要运行简单的样例代码测试，例如打印出随机生成的张量矩阵，以及gpu是否可以使用。
先在命令行输入python，进入python的解释器，依次输入以下命令，每输入一句回车

import torch
x = torch.rand(5,3)
print(x)

输出的内容应该类似于以下：

tensor([[0.8224, 0.1163, 0.6721],
    [0.1477, 0.6822, 0.5136],
    [0.3805, 0.0996, 0.2719],
    [0.3358, 0.5633, 0.6164],
    [0.5203, 0.4628, 0.6428]])

在这里插入图片描述

如果OK，则说明pytorch安装基本成功。

如果输入 import torch 报错
解决办法：

输入 conda info --envs    #查看安装包是否已经安装
如果已经安装未识别到
conda activate D:\ProgramFiles\Anaconda3\envs\你的目标环境   	（此路径是conda info --envs 识别出来的路径 ）

如果  conda info --envs   未识别到路径
打开pytorch的官方安装方法：
https://pytorch.org/get-started/previous-versions/
官网推荐的安装代码如下，我使用的是Cuda9.2的版本：

# CUDA 10.0
pip install torch===1.2.0 torchvision===0.4.0 -f https://download.pytorch.org/whl/torch_stable.html
# CUDA 9.2
pip install torch==1.2.0+cu92 torchvision==0.4.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html
# CPU only
pip install torch==1.2.0+cpu torchvision==0.4.0+cpu -f https://download.pytorch.org/whl/torch_stable.html

在这里插入图片描述

需要注意的是，直接这样安装似乎特别慢，因此我们可以进入如下网址:
https://download.pytorch.org/whl/torch_stable.html
然后找到安装包下载
在cmd定位过来后，利用文件全名进行安装就行了！

在这里插入图片描述
安装完成之后，重启电脑；

再输入

>>> torch.cuda.is_available()
True

如果输出“True”，则说明GPU驱动和CUDA可以支持pytorch的加速计算！

恭喜安装成功！

花晓木

关注

10
点赞
踩
28

收藏

觉得还不错? 一键收藏
1
评论
Windows 2016 server NVIDIA cuda toolkit11.3 pytorch-gpu 踩坑教程

Windows 2016 server NVIDIA k20c cuda toolkit pytorch-gpu 踩坑教程
复制链接

扫一扫