当前位置:   article > 正文

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!

全网最详细的安装pytorch gpu

在这里插入图片描述


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
在这里插入图片描述

在这里插入图片描述

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

在这里插入图片描述

方法2:点击NVIDIA控制面板→系统信息

在这里插入图片描述
在这里插入图片描述

二、安装CUDA

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

在这里插入图片描述
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
  • 1

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
在这里插入图片描述

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
在这里插入图片描述
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**

在这里插入图片描述
在这里插入图片描述

可以修改安装路径,因为文件较大,我没有使用默认的路径

在这里插入图片描述

下载完成开始安装,可以安装在自定义的目录下

在这里插入图片描述

同意继续
在这里插入图片描述
选择推荐的精简

在这里插入图片描述

点就完事!!

在这里插入图片描述

开始安装!!

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

查看是否安装成功
在命令窗口中输入nvcc -V 进行检查

nvcc  -V
  • 1

可以看到我们安装成功
在这里插入图片描述

三,安装cuDNN,需要注册(可安装可不安装,因为cuDNN就是个加速器)

在这里插入图片描述
在这里插入图片描述
下载解压后的文件
在这里插入图片描述
解压文件复制到CUDA安装路径下 !!!就已经安装完成!!
在这里插入图片描述

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
  • 1

在这里插入图片描述

4.2 在官网下载pytorch

官网链接 链接: https://pytorch.org/
在这里插入图片描述
在这里插入图片描述

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 1

我我在最后加了镜像源下载,否则太慢,容易下载失败
在这里插入图片描述

五,测试pytorch gpu是否可用

torch.cuda.is_available() 为TrueGPU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
  • 1
  • 2
  • 3
  • 4

在这里插入图片描述

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:

在这里插入图片描述

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/

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

6.2 在对应的虚拟环境下安装这三个包

在这里插入图片描述

conda install --offline pytorch-2.1.1-py3.9_cuda11.8_cudnn8_0.tar.bz2
  • 1
conda install --offline torchaudio-2.1.1-py39_cu118.tar.bz2
  • 1
conda install --offline torchvision-0.16.1-py39_cu118.tar.bz2
  • 1

在这里插入图片描述


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。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/AllinToyou/article/detail/415568
推荐阅读
相关标签
  

闽ICP备14008679号