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! |
文章目录
前提---查看是否有NVIDIV英伟达显卡【笑哭】一、查看电脑的显卡驱动版本方法一:在`cmd命令窗口`中输入`nvidia-smi`,可以发现版本为12.2方法2:点击NVIDIA控制面板→系统信息
二、安装CUDA方法1: 在pytorch官网https://pytorch.org/,直接复制命令进行安装方法2:从官网下载对应版本的CUDA版本
三,安装cuDNN,需要注册(可安装可不安装,因为cuDNN就是个加速器)四,pytorch-GPU4.1 新建虚拟环境(推荐)4.2 在官网下载pytorch
五,测试pytorch gpu是否可用六,补充(针对安装失败的情况)6.1 去`conda清华源`找到对应的pytorch、torchvision、torchaudio的版本,我的版本如下:6.2 在对应的虚拟环境下安装这三个包
总结
前提—查看是否有NVIDIV英伟达显卡【笑哭】
在控制面板打开设备管理器 一、查看电脑的显卡驱动版本 方法一:在cmd命令窗口中输入nvidia-smi,可以发现版本为12.2 方法2:点击NVIDIA控制面板→系统信息二、安装CUDA 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在命令窗口中直接输入命令--回车安装 pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118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 方法2:从官网下载对应版本的CUDA版本官网链接 链接: https://developer.nvidia.com/cuda-toolkit-archive 由于我的显卡版本是12.2,我只要安装小于等于12.2均可以,我安装**11.8**
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 选择推荐的精简 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 三,安装cuDNN,需要注册(可安装可不安装,因为cuDNN就是个加速器)下载解压后的文件 将解压文件复制到CUDA安装路径下 !!!就已经安装完成!! 四,pytorch-GPU 4.1 新建虚拟环境(推荐)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 4.2 在官网下载pytorch官网链接 链接: https://pytorch.org/ pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 -i https://pypi.tuna.tsinghua.edu.cn/simple我我在最后加了镜像源下载,否则太慢,容易下载失败。 五,测试pytorch gpu是否可用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/ 6.2 在对应的虚拟环境下安装这三个包 conda install --offline pytorch-2.1.1-py3.9_cuda11.8_cudnn8_0.tar.bz2 conda install --offline torchaudio-2.1.1-py39_cu118.tar.bz2 conda install --offline torchvision-0.16.1-py39_cu118.tar.bz2 总结 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 |