深度学习 | N卡pytorch框架GPU版本安装
本帖最后由 第八星系人气爱 于 2024-3-29 23:44 编辑深度学习 | N卡pytorch框架GPU版本安装
原创 第八星系-向显均 第八星系人造大气理论爱好者
作者：第八星系-李智
邮箱：lizhi258147369@163.com
安装步骤
一、查看个人计算机的GPU型号
1、打开命令提示符
2、输入 nvidia-smi
查询计算机显卡支持的最高CUDA版本号
3、打开以下链接并找到上一步中的CUDA版本号
https://developer.nvidia.com/cuda-toolkit-archive
4、打开以下链接查询pytorch支持的CUDA版本
https://pytorch.org/get-started/locally/
保险起见，我们下载图示版本的CUDA
二、下载和安装CUDA
1、打开以下链接下载CUDA
https://developer.nvidia.com/cuda-toolkit-archive
2、选择对应电脑系统的软件版本
个人计算机系统是w10,故选择windows版本
3、查看安装在计算机的CUDA版本
注：因为跑项目配置不同版本的pytorch是很常见的事情，所以配置不同版本的CUDA也很正常。
4、管理CUDA程序文件夹
①将刚下载的CUDA安装程序移动至V12.1文件夹；
②点击鼠标右键，选择“管理员运行”；③点击“OK”
5、CUDA安装界面操作
三、下载和安装cuDNN
1、打开以下链接下载cuDNN
https://developer.nvidia.com/rdp/cudnn-archive
说明：点击安装后会出现登陆界面，输入个人邮件即可登录；新用户需进行注册。
2、解压后得到如下文件
3、文件复制
将 bin，include 和 lib 文件夹中的文件，按操作分别复制到下列文件夹中
4、验证cuDNN是否成功安装
①在上一步复制完成的基础上，在当前目录下进extras-> demo_suite，可以看到：
bandwidthTest.exe 和
deviceQuery.exe
②在路径中输入 cmd 打开命令行窗口，
输入 bandwidthTest.exe 输出
③输入 bandwidthTest.exe， 输出
至此， 新版本的 CUDA 与 cuDNN 安装成功
四、切换CUDA版本
1、修改环境变量
①安装完新版本的CUDA后，此时计算机运行环境为新版本的CUNA。若需要切换为其他版本时，仅修改环境变量即可
②在系统变量的 Path 中，上移所需要切换的版本
③将这两行变量置于最上方，并点击确定
④修改 CUDA_PATH 的值；
选中 CUDA_PATH ，点击编辑，将值修改如下：
D:\CUDAmanager\v11.0\NVDlA GPU ComputingToolkit\CUDA
2、验证是否成功切换CUNA版本
如下所示，已成功切换版本
五、下载和安装pytorch
1、打开以下链接下载pytorch
① 打开链接
https://download.pytorch.org/whl/torch_stable.html
② 结合我个人需求，选择了：
CU110(CUDA11.0),cp38(python3.8),win
③ 下载对应的 torchvision
2、安装pytorch
① 将下载的两个文件放入
anaconda3d Scripts 目录
② 出现报错，说明需要用官网的安装方式
3、验证pytorch是否成功安装
说明：本人使用的是 jupyter lab
激活环境并查看
至此，pytorch安装成功
微信搜索“第八星系人造大气理论爱好者”公众号，关注获取文章数据
这篇图暴多哈哈哈哈哈
页:
[1]