全网最详细的安装pytorch GPU方法,一次安装成功!!包括安装失败后的处理方法! |
您所在的位置:网站首页 › mxm显卡怎么安装 › 全网最详细的安装pytorch GPU方法,一次安装成功!!包括安装失败后的处理方法! |
在控制面板打开设备管理器
建议电脑显卡驱动版本**>=**安装的CUDA版本 方法1: 在pytorch官网https://pytorch.org/,直接复制命令进行安装
如果安装失败,是因为网速不够快,建议用手机热点或者末尾加一个镜像源 官网链接 链接: https://developer.nvidia.com/cuda-toolkit-archive
可以修改安装路径,因为文件较大,我没有使用默认的路径 下载完成开始安装,可以安装在自定义的目录下 同意继续 点就完事!! 开始安装!! 查看是否安装成功 在命令窗口中输入nvcc -V 进行检查 nvcc -V可以看到我们安装成功
若不想新建,也可以在以前的环境中安装,请跳到下一步4.2!! 因为CUDA 10.1 支持 Python 3.5 - 3.8,而 CUDA 11.0 则支持 Python 3.5 - 3.9,所以我安装python3.9 conda create -n pytorch-gpu python==3.9官网链接 链接: https://pytorch.org/ 我我在最后加了镜像源下载,否则太慢,容易下载失败。 torch.cuda.is_available() 为True则GPU可用,False表示不可用 import torch print(torch.__version__) print(torch.version.cuda) print(torch.cuda.is_available()) #输出为True,则安装无误非常好用!!! 六,补充(针对安装失败的情况)有粉丝私聊我,说他安装失败,我又想了一个办法! 6.1 去conda清华源找到对应的pytorch、torchvision、torchaudio的版本,我的版本如下:清华大学开源软件镜像站链接如下: 链接: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
PyTorch的GPU版本利用了NVIDIA的CUDA技术,使得深度学习计算能够高效地在GPU上运行。使用GPU来执行深度学习计算可以显著加速计算,从而减少训练和推理时间。 CUDA是NVIDIA推出的一种通用并行计算架构,可以使GPU执行通用计算任务,而不仅仅是图形处理。在PyTorch中,可以使用CUDA来利用NVIDIA GPU的并行计算能力加速模型训练和推理。 cuDNN是NVIDIA专门为深度学习模型设计的一个库,它提供了高效的卷积操作和其他计算操作,可以进一步加速深度学习任务。在PyTorch中使用cuDNN来优化深度学习模型的性能。 总的来说,PyTorch的GPU版本通过与NVIDIA的CUDA技术和cuDNN库的深度集成,为深度学习研究和应用提供了强大、灵活且高效的计算能力。 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |