首页 > 其他分享 >Pytorch GPU版环境搭建 CUDA11.2

Pytorch GPU版环境搭建 CUDA11.2

时间:2024-06-09 19:02:40浏览次数:23  
标签:torch pytorch Pytorch CUDA GPU CUDA11.2 下载 cuda

简单记录下~

参考:

深度学习环境配置超详细教程【Anaconda+Pycharm+PyTorch(GPU版)+CUDA+cuDNN】

python pytorch-GPU 环境搭建 (CUDA 11.2)

版本概览

Python 3.8
CUDA 11.2
cuDNN 8.1.1
torch 1.9.1
torchvision 0.10.1
torchaudio 0.9.1

CUDA

判断自己应该下载什么版本的cuda(向下兼容)

win+R输入cmd打开终端,输入

nvidia-smi

在这里插入图片描述
下载网址:https://developer.nvidia.com/cuda-toolkit-archive

下载好安装包之后,按步骤安装即可。安装后会自动添加环境变量,可通过设置中的【高级系统设置】查看,若未自动添加则需手动添加。

验证CUDA是否安装成功:

nvcc -V # 查看版本号
set cuda # 查看 CUDA 设置的环境变量

在这里插入图片描述
如上结果,表明已安装完成!

cuDNN

cuDNN下载需要注册账号,随后选择跟自己的cuda版本适配的cudnn版本,此处我安装的是cuDNN8.1.1。
在这里插入图片描述

下载网址:https://developer.nvidia.com/cudnn-archive

注:

  • 最好使用机构/学校邮箱注册,否则可能会失败(显示Access Denied)
  • 若出现注册时信息无法填选的情况,可更换浏览器再尝试(我最后换成火狐成功了)

下载成功后,解压压缩包,如下所示。
在这里插入图片描述
将里面的文件夹复制到CUDA安装目录下。安装目录可通过环境变量查看,默认为

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

随后往系统环境变量中的 path 添加如下路径(根据自己路径修改)

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp

Pytorch

首先创建python3.8的虚拟环境并激活,这里虚拟环境命名为pytorch_gpu,可按自己需求更改。

conda create -n pytorch_gpu python==3.8
conda activate pytorch_gpu

下载对应版本的Pytorch,具体怎么对应可上网搜索。我这里对应CUDA11.2版本,运行如下代码可成功搭建。

pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html --trusted-host pypi.org --trusted-host download.pytorch.org --trusted-host files.pythonhosted.org

在线安装时间较久,与网速有关,也可下载后再进行安装,这个自行搜索具体操作。

装好之后,运行python进入python命令行界面,运行下列代码检查环境是否配置成功。

import torch
print(torch.cuda.is_available()) # cuda是否可用
print(torch.cuda.current_device()) # 返回当前设备索引
print(torch.cuda.device_count())  # 返回GPU的数量 
print(torch.cuda.get_device_name(0))

显示如下
在这里插入图片描述
成功成功!!!

标签:torch,pytorch,Pytorch,CUDA,GPU,CUDA11.2,下载,cuda
From: https://blog.csdn.net/Tiiiiiiiing/article/details/139561355

相关文章

  • 保姆级教程:《Pytorch 实战宝典》来了
    Pytorch是目前常用的深度学习框架之一,比起TF的框架环境配置不兼容,和Keras由于高度封装造成的不灵活,PyTorch无论是在学术圈还是工业界,都相当占优势。不夸张地说,掌握了PyTorch,就相当于走上了深度学习、机器学习、大模型的快车道。它凭借着对初学者的友好性、灵活性,......
  • PyTorch实现二分类任务
    importtorchimporttorch.nnasnnimporttorch.optimasoptim'''定义模拟数据集'''inputs=torch.randn(5,10)#定义5个样本,每个样本的特征数位10labels=torch.tensor([0,1,0,1,1])#每个样本的标签,二分类,所以为0或1'''定义模型''......
  • PyTorch实现多分类任务
    importtorchimporttorch.nnasnnimporttorch.optimasoptim'''定义模型'''classSimpleModel(nn.Module):'''方便理解,这里只定义了一层网络input_size:输入维度(这里表示每个样本的特征数量)num_classes:输出维度(这里表示类别数量)'......
  • 开发视频会议系统:使用GPU解码渲染视频
       现在,使用视频会议系统远程协同办公、沟通交流,已经非常普遍了。如果我们要开发自己的视频会议系统,那么,GPU解码渲染技术是不可缺少的。   在视频会议系统中,经常需要同时观看会议中多个参会人员的视频图像,另外,还可能需要同时观看某人分享的屏幕。   随着大家......
  • 【已解决】Python报错Pytorch:ModuleNotFoundError: No module named ‘torch’
    本文摘要:本文已解决Pytorch:ModuleNotFoundError:Nomodulenamed‘torch’的相关报错问题,并总结提出了几种可用解决方案。同时结合人工智能GPT排除可能得隐患及错误。......
  • 环境配置·Ubuntu1804安装CUDA和Pytorch
    InitUbuntuandchangedeb&pipsourcewgethttps://github.com/blueflylabor/blueflylabor.github.io/blob/main/toolbox/initUbuntu/initUbuntu.shbash./initUbuntu.shCUDA11.6wgethttps://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64......
  • 揭秘GPU技术新趋势:从虚拟化到池化
      从GPU虚拟化到池化  大模型兴起加剧GPU算力需求,企业面临GPU资源有限且利用率不高的挑战。为打破这一瓶颈,实现GPU算力资源均衡与国产化替代,GPU算力池化成为关键。本文深入探讨GPU设备虚拟化途径、共享方案及云原生实现,旨在优化资源利用,推动算力革命......
  • 深度学习 - PyTorch简介
    基础知识1.PyTorch简介PyTorch的特点和优势:动态计算图、易用性、强大的社区支持、与NumPy兼容。安装和环境配置:安装和验证PyTorch:pipinstalltorchtorchvision验证安装:importtorchprint(torch.__version__)运行结果:1.9.0#具体版本可能不同配置虚拟......
  • Wgpu图文详解(01)窗口与基本渲染
    写在前面如果对Rust与Wgpu比较关注的同学可能在网络上搜到过@sotrh国外大佬编写的《LearnWgpu》,以及国内大佬@jinleili的优秀翻译作品《学习Wgpu》。这些学习教程质量很高,在我学习Wgpu的过程中给了很大的帮助。那为什么还有我这个系列的文章呢?首先,大佬的系列目前winit使用0.29.......
  • 麻醉医生的深度学习之旅 P4:Pytorch实现猴痘病识别
    ......