PyTorch

2023-08-09 06:19| 来源: 网络整理| 查看: 265

PyTorch-GPU版本、Tensorflow-GPU版本配置 PyTorch-GPU版本的配置NVIDIA驱动下载Anaconda中的安装补充安装其他版本的PyTorch-gpu的方法检验安装是否成功附：在Anaconda中，jupyter切换虚拟环境 Tensorflow-GPU版本配置查看Tensorflow版本创建虚拟环境Tensorflow的安装检验是否安装成功keras的安装

PyTorch-GPU版本的配置 NVIDIA驱动下载查看系统是否有显卡以及显卡型号（以win10为例）查看方法：打开控制面板找到系统与安全打开系统找到设备管理器双击找到显示适配器查看

查看NVIDIA显卡版本

查看自己NVIDIA的驱动版本（保证在410及以上） Win+R打开运行对话框输入cmd命令在命令行输入nvidia-smi查看版本号以及支持的CUDA版本

NVIDIA版本查询

版本过低，可前往官网进行升级，可手动填写NVIDIA配置后搜索驱动版本进行安装，也可以选择自动安装 NVIDIA官网

NVIDIA官网

安装成功后再次cmd命令:nvidia-smi查看是否安装成功。 Anaconda中的安装打开anaconda prompt创建虚拟环境（conda create -n 环境名称 python=3.6）注：python版本不能太高，否则之后可能安装失败打开所创建的虚拟环境（conda activate 环境名称）打开PyTorch官网进行安装 PyTorch官网根据之前查看的NVIDIA支持的CUDA 版本选择进行安装（可安装更低的版本）

pytorch 注意：复制时不要把 -c pytorch复制上，不然不会换源安装。

将复制好的代码粘贴在所创建的虚拟环境中，进行安装补充安装其他版本的PyTorch-gpu的方法

PyTorch其他版本安装命令点击上面的链接之后查找想要安装的版本负责命令安装即可注：一般安装1.2.0版本居多

检验安装是否成功在所创建的环境中输入python打开python界面输入import torch输入print（torch.version）查看安装版本输入torch.cuda.is_available()查看是否安装成功，若输出True，则表示安装成功。若显示False，表示安装失败。可能的原因有： python版本过高所安装的pytorch与nVidia所支持cuda不匹配网络问题导致未安装成功

GXY

附：在Anaconda中，jupyter切换虚拟环境在conda prompt命令框中输入pip install ipykernel输入python -m ipykernel install --user --name 环境名称 --display-name 显示名称 Tensorflow-GPU版本配置查看Tensorflow版本查看Tensorflow-gpu所对应的python以及CUDA版本 2.查看原文链接 Tensorflow

创建虚拟环境打开anaconda prompt创建虚拟环境（conda create -n 环境名称 python=3.6）注：python版本根据上表选择。打开所创建的虚拟环境（conda activate 环境名称） Tensorflow的安装根据上图选出要按照的tensorflow-gpu版本。（注：tensorflow版本不要太高，高版本功能可能不齐全）在虚拟环境中输入: conda install tensorflow-gpu=2.0.0安装成功即可检验是否安装成功在虚拟环境中打开python输入 import tensorflow as tf输入：print(tf.test.is_gpu_available())显示true即为安装成功

tensorflow测试

keras的安装在之前的虚拟环境中输入：conda install keras安装成功后打开python输入import keras会显示 “Using TensorFlow backend”，解决办法：在import keras之前输入import os 在之后激活该环境时，可能会显示报错，方法：将该环境的keras卸载退出命令框用管理员权限打开anoconda Prompt激活环境输入conda install -c anaconda keras同样在 import keras 前输入 import os这样再次激活环境的时候就不会报错了

keras

【本文地址】

公司简介

联系我们