| Win11 | 您所在的位置：网站首页 › rtx3060 cuda › Win11 |
Win11
|
文章目录
所需清单1.安装CUDA11.32.安装cuDNN 11.x3.安装Anaconda4.打开Anaconda Prompt安装配置Python与Pytorch环境5.JupyterNotebook连接Pytorch GPU
所需清单
1. 电脑配置：windows11/10操作系统，RTX3060显卡/其他支持CUDA11.3的型号
2. CUDA 11.3 #具体CUDA版本以Pytorch官网最新推荐为准
3. cuDNN 11.x
4. Anaconda
5. 镜像源安装Pytorch
6. JupyterNotebook测试程序
1.安装CUDA11.3
登录英伟达官网找到CUDA11.3下载链接并下载安装CUDA 11.3版本 注意项： 1.若已经安装过CUDA，先删除掉已安装的CUDA历史版本的整个文件夹 一般默认的CUDA目录位于：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\ 2.安装CUDA 11.3时不要勾选CUDA中的Visual Studio Intergration 与C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp 2.安装cuDNN 11.x同样在英伟达官网中搜索cuDNN[cuDNN下载链接](https://developer.nvidia.com/rdp/cudnn-download) 并下载11.x版本， 具体步骤自行搜索 4.打开Anaconda Prompt安装配置Python与Pytorch环境具体步骤参考总结配置pytorch GPU环境的两种方法中的三：安装PyTorch 区别在于将最后一句安装命令中的CUDA 10.2版本更换为11.3 注意：CUDA10.2已不再支持安装Pytorch 重新打开Anaconda Prompt，base环境下输入conda install nb_conda_kernels 再进入配置好的torch环境输入conda install nb_conda 最终输入jupyter notebook运行打开进行测试 import torch import time from torch import autograd #GPU加速 print(torch.__version__) print(torch.cuda.is_available()) a=torch.randn(10000,1000) b=torch.randn(1000,10000) print(a) print(b) t0=time.time() c=torch.matmul(a,b) t1=time.time() print(a.device,t1-t0,c.norm(2)) device=torch.device('cuda') print(device) a=a.to(device) b=b.to(device) t0=time.time() c=torch.matmul(a,b) t2=time.time() print(a.device,t2-t0,c.norm(2)) t0=time.time() c=torch.matmul(a,b) t2=time.time() print(a.device,t2-t0,c.norm(2)) t1=time.time() print(a.device,t1-t0,c.norm(2)) device=torch.device('cuda') print(device) a=a.to(device) b=b.to(device) t0=time.time() c=torch.matmul(a,b) t2=time.time() print(a.device,t2-t0,c.norm(2)) t0=time.time() c=torch.matmul(a,b) t2=time.time() print(a.device,t2-t0,c.norm(2))
输出以上结果则安装成功！ |
3.通过win+R输入control system进入系统高级设置->环境变量，查看环境变量是否添加成功 系统变量path中要有 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
将解压后的所有文件复制替换至C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3的同名文件
【本文地址】