CUDA / cuDNN / PyTorch安装 + Nsight Compute安装失败解决方案 (2024.11.26)

结合参考:https://blog.youkuaiyun.com/taoshiwu/article/details/142633710

第一次安装,加上写博客,耗时近6个小时完成。

安装CUDN的流程 及 问题解决方案

电脑环境:

系统:Windows 11 家庭中文版 24H2
显卡:1080ti 11G
在这里插入图片描述
安装版本:CUDA 12.6

安装顺序:

GPU驱动 -> CUDA -> PyTorch -> cuDNN

一、安装GPU驱动

这里注意选择Studio驱动,Studio适用于工作领域,Game Ready适用于打游戏。

在这里插入图片描述

二、安装CUDA

1.查询支持的cuda版本

在这里插入图片描述

2.下载cuda(根据自己系统选择,最后一个选exe(local)

在这里插入图片描述

3.安装cuda(这里主要解决错误)

出现这个错误时,回到上一步取消这个选项勾选,安装完了再单独安装这个模块。
解决方案-参考链接:https://www.bilibili.com/opus/944721775279734792
在这里插入图片描述

同时我还取消勾选了最后两个选项,因为安装GPU驱动时已经安装过了。
以下是我取消的三个勾选
在这里插入图片描述
在这里插入图片描述

最后根据上面链接方案,单独安装Nsight Compute模块成功。
具体流程是:

1.用7-Zip解压cuda安装包,没错就是这个.exe,cuda_12.6.3_561.17_windows.exe
------7-Zip软件下载链接:https://www.7-zip.org/download.html
2.解压后找到这个模块安装即可。
在这里插入图片描述
3.Nsight Compute安装成功界面,提示重启生效。
在这里插入图片描述
在这里插入图片描述

查看cuda版本(如果查询不到,但又安装成功了,那可能是前面安装的时候改了安装路径。乌鱼子。。。)
在这里插入图片描述
翻译:

nvcc: NVIDIA ( R ) CUDA 编译器驱动程序
版权所有 © 2005-2024 NVIDIA 公司
构建时间:2024 年 10 月 30 日 01:18:48 太平洋夏令时间 (PDT)
CUDA 编译工具,发布版本 12.6,版本 V12.6.85
构建版本 cuda_12.6.r12.6/compiler.35059454_0

三、安装cuDNN

参考:关于cuda、cudnn、pytorch对应版本的选择以及安装顺序踩坑

在这里插入图片描述

相信这位老哥,先跳过吧。

四、安装Pytorch

参考:pytorch超详细安装教程,Anaconda、PyTorch和PyCharm整套安装流程

1.安装Anaconda

按照上面链接操作即可

2.PyTorch安装

按照上面链接操作即可

四、安装cuDNN

按照上面老哥说的来

1.Anaconda的PyTorch中打开Python依次执行
在这里插入图片描述
返回值 90100 表示 cuDNN 版本是 9.1.0。

2.安装cuDNN 9.1.0 版本
下载地址:https://developer.nvidia.com/cudnn-9-1-0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_local
在这里插入图片描述
最下方可以找到其他版本的cuDNN

3.安装按照这个教程操作:Windows 11安装NVIDIA+CUDA(带cuDNN)

4.最后测试成功
测试方法:
使用 PyTorch,在 Python 中直接检查 cuDNN 是否被启用和使用:

import torch
print(torch.backends.cudnn.enabled)
# 如果返回 True,则表示 cuDNN 已经安装并且在 PyTorch 中被启用了。
### 如何在 Python安装和使用 torchvision 库 #### 安装步骤 为了在 Python 项目中使用 `torchvision`,需要先完成其依赖库 PyTorch安装以及自身的安装。 1. **访问官方下载页面** 访问 PyTorch 官方网站的下载页面[^1],根据操作系统、Python 版本、CUDA 配置等条件选择合适的安装选项。例如,在 Windows 上运行 CPU-only 版本时,可以选择以下配置: - OS: Windows - Package: Pip - Language: Python - Compute Platform: CPU only (如果不需要 GPU 支持) 2. **获取并执行安装命令** 根据所选配置,复制对应的安装命令。对于 PyTorch 和 torchvision 的组合版本(如 PyTorch 1.5.0),可以按照如下方式安装: ```bash pip install torch==1.5.0+cpu torchvision==0.6.0+cpu -f https://download.pytorch.org/whl/torch_stable.html ``` 3. **验证安装** 在 Python 环境中测试导入功能是否正常工作: ```python import torch import torchvision print(torch.__version__) print(torchvision.__version__) ``` 如果未出现任何错误提示,则说明安装成功。 4. **处理 IDE 报错问题** 若在集成开发环境(IDE)如 PyCharm 中遇到无法识别模块的情况,可能是因为当前使用的解释器不匹配。调整方法为:通过菜单栏依次点击【File】→【Settings】→【Project: xxx】→【Project Interpreter】,随后添加或切换至已正确安装所需包的虚拟环境路径(如 Anaconda 提供的 Python 解释器)。设置完成后重新同步项目索引即可解决问题[^1]。 #### 使用示例 以下是加载预训练模型 ResNet 并应用图像分类的一个简单例子: ```python from PIL import Image import requests from torchvision import transforms, models import torch # 加载预训练模型 resnet18 model = models.resnet18(pretrained=True) model.eval() # 图像转换函数定义 preprocess = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) # 下载一张图片作为输入样本 url = 'https://upload.wikimedia.org/wikipedia/commons/thumb/d/d3/Starry_Night%2C_Vincent_van_Gogh%2C_1889.jpg/800px-Starry_Night%2C_Vincent_van_Gogh%2C_1889.jpg' response = requests.get(url) img = Image.open(requests.get(url, stream=True).raw) # 对图片进行预处理 input_tensor = preprocess(img) input_batch = input_tensor.unsqueeze(0) # 创建批次维度 with torch.no_grad(): output = model(input_batch) probabilities = torch.nn.functional.softmax(output[0], dim=0) top_prob, top_catid = torch.topk(probabilities, 1) print(f'Predicted class index: {top_catid.item()}, Probability: {top_prob.item()}') ``` 此脚本展示了如何利用 `torchvision.models` 获取经过训练的经典神经网络架构实例,并将其应用于新数据预测过程中的基本流程[^2]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值