赞
踩
深度学习用显卡训练的时候,需要安装与显卡对应的cuda和cudnn,这样才可以用显卡进行训练。
但是github上不同的项目所支持的pytorch版本是不一样的,而pytorch版本和cuda版本之间又是互相依赖的,所以如果可以灵活地在不同cuda版本间切换将是非常方便的。anaconda就可以实现这个功能。
我们可以在conda创建的不同虚拟环境中安装不同的cuda和cudnn版本,以此来实现不同cuda版本间的切换。
注意:
conda search cudatoolkit --info
执行上述命令后,会显示出源内所有的cuda版本,以及下载地址,如图所示
找到自己想要的cuda版本后,先把cuda下载到本地。首先复制url字段里的下载链接,然后用命令cd到想要下载的目录,执行如下代码下载
wget 你刚刚复制的链接地址
执行如下命令进行安装,因为是通过本地安装的,所以需要写明本地包的路径
# 然后安装本地包
conda install --use-local 本地cuda包所在的路径
使用如下命令查看conda支持的cudnn版本,注意cudnn的版本一定要和刚刚下载的cuda版本对应
conda search cudnn --info
执行后的结果如图所示,图中标出了cudnn所对应的cuda版本号位置
还是复制你想要版本的cudnn的下载地址,使用wget 链接地址进行下载
conda install --use-local 本地cudnn包所在的路径
在虚拟环境中安装完cuda和cudnn想要测试是否安装成功,不能使用nvcc -V命令测试,需要在虚拟环境中安装pytorch包进行测试
首先安装与cuda相匹配的pytorch和torchvision包,可以去pytorch官网查询。
因为我的cuda版本是11.0,支持的pytorch版本为1.7.1,所以我安装的是这俩个,你可以根据你的需要安装。
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0
装好pytorch后,命令行输入python,进入python的命令行,导入torch包
查询cuda版本
print(torch.version.cuda)
查询cudnn版本
print(torch.backends.cudnn.version())
如图所示
可以看到版本号是我们想要的,成功!!!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。