【引路帖】【conda虚拟环境】【cuda】多个cuda版本路径切换

参考链接:
给虚拟环境指定cuda

本文重述原作者内容,主要是防止原链接丢失。

服务器上装了多个版本的cuda,有的时候需要使用TensorFlow,有的时候需要使用pytorch,有时候需要使用cuda9.0+,有的时候需要使用cuda10.0+。那么必然涉及到给每个不同的虚拟环境配上不同的cuda版本。

本文以有cuda9.0 和 cuda10.1为例,介绍如何给pytorch这个环境指定cuda10.1版本,启动环境时自动执行脚本激活cuda10.1。

1.首先激活虚拟环境 pytorch,输出当前环境的路径

conda activate pytorch
echo ${
   
   CONDA_PREFIX}

得到路径, for example:/home/username/anaconda3/envs/pytorch

2.建立激活环境下的文件夹,写入脚本

#建立激活环境下的文件夹
mkdir -p /home/username/anaconda3/
### 创建带有CUDA支持的Conda虚拟环境 #### 准备工作 确保已安装Anaconda或Miniconda,这提供了`conda`命令行工具用于管理包和环境[^1]。 #### 创建基础Python环境 通过指定名称和所需的Python版本来创建一个新的Conda虚拟环境。对于特定需求如兼容某些软件的要求,可以选择合适的Python版本: ```bash conda create -n my_cuda_env python=3.9 ``` 此命令会建立名为`my_cuda_env`的新环境并安装Python 3.9版本[^2]。 #### 激活新创建的环境 为了在这个新的环境中操作,需先激活它: ```bash conda activate my_cuda_env ``` 一旦激活成功,在终端提示符前应看到`(my_cuda_env)`字样表示当前处于该环境下工作。 #### 安装CUDA工具包和支持库 针对不同操作系统(Linux/Windows),可以利用`conda install`指令直接获取预编译好的CUDA驱动及相关依赖项。例如要安装适用于PyTorch框架下的CUDA加速功能,则执行如下命令: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` 这里选择了Cuda Toolkit 11.3作为例子;实际应用时可根据硬件条件和个人偏好调整具体版本号[^3]。 #### 设置必要的环境变量 如果遇到任何路径找不到的情况,可能是因为缺少正确的环境变量配置。可以通过编辑`.bashrc`文件(Linux)或者使用系统的高级系统设置窗口(Windows)添加相应的目录到PATH中去。不过通常情况下,上述方法已经足够让大多数应用程序正常识别所安装的CUDA组件。
评论 8
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