赞
踩
1.确定当前平台cuda可以安装的版本
安装好显卡驱动后,使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少,如下:
Driver Version: 525.89.02 表明当前显卡驱动版本是525.89.02
CUDA Version: 12.0 表明当前的显卡驱动可以安装的cuda最高版本是12.0
官网:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
从驱动和运行时的版本对应关系来看,版本为384.81的驱动程序 对应的 运行时版本是9.0,也就是说我们在python中安装cudatoolkit和cudnn程序包版本9.2是过高了。
因为系统中依赖GPU驱动的程序比较多,一般出现这种情况,我们都是更改cudatoolkit和cudnn程序包的版本。
于是,先卸载python中安装cudatoolkit和cudnn程序包:pip uninstall cudnn ; pip uninstall cudatoolkit
然后安装对应版本的cudatoolkit和cudnn程序包:pip install cudatoolkit=9.0;pip install cudnn
安装cudatoolkit(针对服务器权限不能安装的情况)
conda search cudatoolkit --info
conda search cudnn --info
查看所有列出来的cudatoolkit的详细信息,包括版本号version,文件网址url,依赖项dependencies。
直接conda install cudatoolkit
,通常下载安装包的速度很慢,当换源都不好使的时候,因而可以用上面给出的文件网址url来用下载工具去下载这个包,再去本地安装
依赖项dependencies:想要使用cudatoolkit,还需要安装什么才可以使用。
本地安装离线包的命令是:
conda install --use-local 包名
cudnn同理。
cu112,可安装cu111版本
访问官网:https://pytorch.org/get-started/previous-versions/
找到合适的版本的torch及torchvision、torchaudio
使用pip3安装
pip3 install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html
Tensorflow与Python、CUDA、cuDNN的版本对应表
https://blog.csdn.net/ly869915532/article/details/124542362
使用虚拟环境conda安装不同版本的cuda,cudnn,pytorch
https://blog.csdn.net/qq_42537872/article/details/132322398?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EYuanLiJiHua%7EPosition-2-132322398-blog-131769640.235%5Ev38%5Epc_relevant_anti_t3_base&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EYuanLiJiHua%7EPosition-2-132322398-blog-131769640.235%5Ev38%5Epc_relevant_anti_t3_base&utm_relevant_index=5
Anaconda的python虚拟环境中安装cudatoolkit和cudnn加速tensorflow
https://blog.csdn.net/qq_33221533/article/details/131769640
NVIDIA驱动版本与CUDA版本对应关系
https://blog.csdn.net/qq_33401821/article/details/123246774
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。