赞
踩
虽然说PC很难跑深度学习,但是有时候debug和跑通一些简单的demo还是很有用的。做横向的时候难免会遇到甲方使用的torch包版本较高(自己的从安装后就没改过),需要更改自己的torch版本区适应甲方,记录下自己升级torch版本的过程,其实和装一个新的pytorch也没有啥区别。记得自己第一次安装pytorch的时候死去活来,现在重新装却得心应收,其实并不复杂:
1.查看你要更新的pytorch版本需要的cuda是什么Previous PyTorch Versions | PyTorch
比如我这边想要torch为2.1.0,我们就可以看到需要的CUDA有11.8和12.1两种版本。同时,对应的命令行也是我们安装好CUDA后所需要执行的安装指令。
2.查看自己目前安装的CUDA版本是什么,使用命令nvcc -V(我这里是11.8,因为我这是搞定了才写的博客哈哈哈哈),如果你的CUDA版本满足条件,就卸载老pytorch直接按照命令装新的就完事了;如果不满足,我们就得重新安装新的CUDA。
3.查看自己电脑所支持得最高CUDA是多少,这个很重要,现在要求越来越高,很多老一点的电脑也许都没办法能够安装满足要求的CUDA了。首先,NVIDA控制面板 -> 左下角系统信息 -> 驱动程序版本,可以获得一个序号。
然后,通过下面这个网址查看自己电脑所支持的最高CUDA版本CUDA 12.3 Update 2 Release Notes (nvidia.com),往下拉拉可以看到一张图,对应一下就可以了。如果不够的话,那就只能换台新电脑了哈哈哈哈哈哈哈哈哈哈哈(手动狗头),确实是没办法了。
确定你需要的CUDA版本后,我们需要先将老版本删掉,直接点开控制面板->应用->程序卸载->搜索CUDA->全部卸载(我这刚装的,不能卸载,你们卸载自己的就行)
你需要在这个页面中下载你需要的CUDA:CUDA Toolkit Archive | NVIDIA Developer,安装过程没啥,一直继续和下一步就好了,无敌
安装好了之后,就可以重新使用nvcc -V查看啦!!更新成功了就好
最后,如果你是有下载cudnn的,那么你还需要根据自己以前设置过的环境变量Path里面关于老的都改成新的就好了,比如Path里面以前存在:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin,我换成11.8后,就改成C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin。
4.把老版本的pytorch用conda uninstall pytorch指令删除,根据前面提到的指令下载新的pytorch就好了!!完结,是不是贼简单哈哈哈哈,想起以前自己被摧残的日子,现在一切多么简单!!!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。