pytorch+win10+pip安装+基本使用 for 2080TI GPU | 您所在的位置:网站首页 › 2080super配置 › pytorch+win10+pip安装+基本使用 for 2080TI GPU |
pytorch+win10+pip安装 for 2080TI GPU
1.Pytorch安装1.1 torchvison和pytorch版本的对应关系1.2 下载对应版本的torch及torchvison wheel
2.CUDA安装3.cudnn安装4.安装过程中可能遇到的bug4.1 ImportError: numpy.core.multiarray failed to import
5.基本使用5.1 信息获取5.2 查找并使用显存最大的GPU5.3 执行代码时指定GPU卡
参考文献
新入手2块2080TI GPU,怀着激荡的心情,开启了安装之旅~ 1.Pytorch安装在https://pytorch.org/pytorch主页选择对应的torch及torchvision版本: pip install torch==1.7.0+cu101 torchvision==0.8.1+cu101 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html这里选择的是cuda10.1对应的pytorch gpu版本。 1.1 torchvison和pytorch版本的对应关系详见网站https://pypi.org/project/torchvision/。 1.2 下载对应版本的torch及torchvison wheel可在官网下载https://download.pytorch.org/whl/torch_stable.html对应的版本,并cd到下载文件进行安装。 注:linux版可参考手把手教会你在Linux服务器上安装用户级别的CUDA或ubuntu下安装多版本cuda及版本切换教程 。 2.CUDA安装下载并安装对应的CUDA Toolkit 10.1,这里下载的是本地exe版。 趁本地exe下载的时间,试了下exe(network)安装过程中出错。 在官网https://developer.nvidia.com/cuda-10.1-download-archive-base?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal下载并安装。 不得不重复地说,下载速度很冻人~ CUDA安装时使用了推荐的精简模式,安装过程中倒是没有报啥错误~ 3.cudnn安装在英伟达官网下载对应的cudnn版本: 然后将下载文件解压,并复制到对应文件夹。 CUDA默认安装位置:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 4.安装过程中可能遇到的bug 4.1 ImportError: numpy.core.multiarray failed to import安装完成后,输入import torch,若产生该错误,可能是由于numpy版本过高导致,可以将numpy卸载并安装较低版本,这里安装的是: pip install numpy==1.15.0 5.基本使用 5.1 信息获取 cuda版本 torch.version.cuda 可使用的GPU数目 torch.cuda.device_count() 是否有可用的GPU torch.cuda.is_available() 5.2 查找并使用显存最大的GPU # 获取每个 GPU 的剩余显存数,并存放到 tmp 文件中 os.system('nvidia-smi -q -d Memory |grep -A4 GPU|grep Free >tmp') memory_gpu = [int(x.split()[2]) for x in open('tmp', 'r').readlines()] os.environ['CUDA_VISIBLE_DEVICES']=str(np.argmax(memory_gpu)) #torch.cuda.set_device(np.argmax(memory_gpu)) os.system('rm tmp') # 删除临时生成的 tmp 文件 5.3 执行代码时指定GPU卡如果有多张卡,指定使用某些卡,如第0,1张GPU,可以设置如下: import os os.environ["CUDA_VISIBLE_DEVICES"] = "0,1"注意,该代码应该放在import torch之前。 参考文献[1] https://github.com/pytorch/pytorch [2] https://pypi.org/project/torchvision/ [3] https://download.pytorch.org/whl/torch_stable.html [4] 手把手教会你在Linux服务器上安装用户级别的CUDA [5] ubuntu下安装多版本cuda及版本切换教程 |
CopyRight 2018-2019 实验室设备网 版权所有 |