【pytorch环境配置】

原创 已于 2022-10-17 13:35:20 修改 · 485 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch #python #深度学习

于 2022-10-17 11:30:35 首次发布
本文讲述了作者成功升级NVIDIA显卡驱动至512.72版本，并分享了如何正确安装CUDA 11.6和CUDNN的步骤，特别提到了下载速度问题的解决方案。
部署运行你感兴趣的模型镜像

nvidia-smi
查看代码

在这里插入图片描述
我这里的NVIDIA显卡驱动版本是512.72
在这里插入图片描述
选择cuda11.6
cudnn 把三个文件夹的文件复制进cuda的文件夹里
安装
在这里插入图片描述

终于成功啦！！

cuda和cudnn下载巨慢的问题 将链接中的com改为cn

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

精选资源
pytorch安装教程，pytorch环境配置
08-03
PyTorch 安装教程和环境配置详解 PyTorch 是一个基于 Python 的机器学习框架，广泛应用于深度学习和人工智能领域。 本文将详细介绍 PyTorch 的安装教程和环境配置，包括 Anaconda 的安装、PyTorch 的安装、GPU 版本...
Pytorch环境配置 cudnn多版本 6.0-7.1-8.2
06-22
标题中提到的"Pytorch环境配置 cudnn多版本 6.0-7.1-8.2"意味着我们将讨论如何为不同的CUDA版本选择合适的cuDNN版本。以下是一些关键点： 1. **cuDNN 8.2**：这是最新版本，支持CUDA 11.5、11.4、11.3、11.1和11.0...
nvidia驱动和pytorch版本不匹配问题
weixin_41012399的博客
09-14 6856
驱动和pytorch版本不匹配报错： /home/anaconda3/envs/yolov5/lib/python3.7/site-packages/torch/cuda/init.py:52: UserWarning: CUDA initialization: The NVIDIA driver on your system is too old (found version 10010). Please update your GPU driver by downloading and installi
Anaconda Pycharm Pytorch（GPU版本）的配置
qq_46080349的博客
12-05 8260
Anaconda、 Pycharm、 Pytorch（GPU版本）的配置
【youcans的深度学习 03】PyTorch GPU版本安装与环境配置
youcans的博客
03-25 4986
安装 GPU 版本的 PyTorch 需要 NVIDIA（英伟达）显卡，否则只能[安装 PyTorch（CPU版）。本文详解 PyTorch GPU 版的下载、安装和测试。
解决pytorch安装问题，以及NVIDIA CUDA与显卡驱动对照表
Nano_RK的博客
04-25 1万+
现在pytorch都是官网一键复制安装，很简单。 但是新手还是容易出现以下两个问题，原因是当显卡驱动与cuda不匹配（极少数是pytorch版本问题）： >>> torch.cuda.is_available <function is_available at 0x0000021667561678> or >>> nvcc -V Traceb...
深度学习pytorch-GPU环境配置
mustanger的博客
04-17 2975
本文记录了电脑环境基于pytorch安装配置GPU的过程。 目录： 一、查看驱动程序 二、安装Pytorch+torchvision+torchaudio 三、安装CUDA 四、加入CUDNN库文件 五、配置环境变量 环境：win11+NVIDIA RTX4500+anaconda2.4.0+pycharm2022 一、查看驱动程序版本 1、nvidia 控制面板 查看【帮助】-》【系统信息】-》组件 CUDA 12.0.151 driver 2、打开cmd，输入：nvid
pytorch环境配置
日之朝矣的博客
12-28 694
观前提示：pytorch安装是个让人容易上火的过程，至少对我而言是这样的。
PyTorch环境配置及安装
MaYuHuaw的博客
04-08 6725
文章目录环境配置1. Anaconda 下载2. Anaconda 安装3. 显卡配置（无 Nvidia 显卡的略过）4. 有序的管理环境5. 安装 PyTorch6. 加速（忽略，跳过）7. 验证是否安装成功 环境配置 温馨提示：为了更好的教程体验，提供视频、阅读地址 Youtube: https://www.youtube.com/playlist?list=PLgAyVnrNJ96CqYdjZ8v9YjQvCBcK5PZ-V BiliBili: https://www.bilibili.com/vid
Ubuntu18.04+Nvidia RTX 3060+Pytorch配置GPU环境
weixin_43589205的博客
10-19 3673
Ubuntu18.04+Nvidia RTX 3060+Pytorch配置GPU环境
pytorch安装（阿里源）
小白代码进阶之路
04-02 1万+
网上搜 pytorch 安装教程，要么就是从官网安装（速度慢，要科学上网），要么就是用清华的源，但是清华的源已经挂了，于是网上多了很多的无效教程。 今天给朋友的电脑装 pytorch ，找到了阿里的源，速度很快，接下来是步骤： 本教程截止2021年4月2日是有效的。 首先我们先更新一下pip 执行命令： python -m pip install pip --upgrade 我这里是已经更新好了 执行命令开始安装： pip install torch torchvision -i http:
阿里云手动下载pytorch并安装【保姆级教程】（亲测下载速度更快）
weixin_48766549的博客
08-05 1万+
阿里云下载pytorch并手动安装保姆级教程（亲测下载速度更快）
安装pytorch步骤及遇到的问题
m0_51437509的博客
11-14 470
步骤参考：【最新】2021.10.17 conda安装pytorch 1.8（【最新】2021.10.17 conda安装pytorch 1.8_conda install pytorch。首先恢复默认源：conda config --remove-key channels。(2)安装对应版本的numpy：pip install numpy==1.24。解决办法：采用阿里云的镜像源，试了清华源和中科大的解决不了。解决办法：用bard或者new bing搜一下对应的版本。
pytorch安装记录
qq_34108497的博客
07-11 937
pytorch下载
使用阿里云镜像源安装带cuda的pytorch
qq_72354549的博客
11-06 4278
【代码】使用阿里云镜像源安装带cuda的pytorch。
linux(阿里云)安装pytorch
liji_digital的博客
02-15 1134
ubuntu22.04已经预装了python 3及pip。阿里云 ubuntu 22.04 UEFI版 64位。1 检查python3和pip3是否已经安装。3 安装完毕，检查pytorch版本。2 安装pytorch。
环境配置04：Pytorch下载安装
helloyangkl的博客
06-14 623
如果nvidia-smi命令无效，则说明可能已经安装了cuda。
重装pytorch历程-问题-解决
GUO_PP的博客
01-04 3830
重装pytorch时候遇到的问题及解决过程
2023最新pytorch安装教程，简单易懂，面向初学者（Anaconda+GPU）
热门推荐
weixin_45334223的博客
01-27 18万+
2023最新pytorch安装教程，简单易懂，面向初学者（Anaconda+GPU）
Pytorch环境配置
最新发布
07-30
配置 PyTorch 开发环境并支持 CUDA 主要包括以下几个方面： 1. **确认硬件支持** 在开始安装 PyTorch 和 CUDA 之前，需要确认计算机的 GPU 支持 CUDA。可以通过 NVIDIA 官网查询 GPU 型号是否支持 CUDA。此外，还可以通过 NVIDIA 提供的工具 `nvidia-smi` 检查当前安装的驱动版本以及支持的 CUDA 版本。通常，PyTorch 的 GPU 版本依赖于特定版本的 CUDA，因此需要确保 CUDA Toolkit 和 cuDNN 的版本与 PyTorch 兼容 [^1]。 2. **安装 CUDA Toolkit 和 cuDNN** CUDA Toolkit 是 NVIDIA 提供的开发工具包，它包含了编译和运行基于 CUDA 的程序所需的组件。安装 CUDA Toolkit 后，还需要安装 cuDNN，这是一个针对深度学习优化的库，它提供了高性能的卷积操作。在安装过程中，需要注意 CUDA Toolkit 和 cuDNN 的版本匹配，以确保它们能够协同工作 [^1]。 3. **安装 PyTorch** 安装完 CUDA Toolkit 和 cuDNN 后，就可以安装 PyTorch 的 GPU 版本了。可以通过 PyTorch 官网提供的安装指南来获取适用于当前环境的安装命令。通常情况下，使用 pip 或 conda 来安装 PyTorch。如果使用 pip 安装，则需要指定 PyTorch 的下载链接，该链接包含了与 CUDA 版本相匹配的 PyTorch 构建版本。例如，对于 CUDA 11.8，可以使用如下命令安装 PyTorch： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` 如果使用 conda，则可以使用以下命令： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch ``` 4. **验证安装** 安装完成后，可以通过运行 Python 脚本来验证 PyTorch 是否正确安装并且能够访问 GPU。下面是一个简单的测试脚本： ```python import torch # 检查 CUDA 是否可用 print("CUDA available:", torch.cuda.is_available()) # 如果 CUDA 可用，则输出 CUDA 版本 if torch.cuda.is_available(): print("CUDA version:", torch.version.cuda) # 创建一个随机张量，并将其移动到 GPU 上 x = torch.rand(5, 3) if torch.cuda.is_available(): x = x.cuda() print(x) ``` 运行这段代码应该会显示 CUDA 是否可用以及 CUDA 的版本，并且会输出一个在 GPU 上创建的随机张量。 5. **配置环境变量** 在某些情况下，可能需要手动配置环境变量以便 PyTorch 能够找到 CUDA 和 cuDNN。这通常涉及到将 CUDA 和 cuDNN 的库路径添加到系统的 `LD_LIBRARY_PATH`（Linux）或 `PATH`（Windows）环境变量中。具体的配置方法取决于操作系统和安装的具体版本。 通过以上步骤，可以完成 PyTorch 环境的配置，使其支持 CUDA 加速的计算任务。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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