深度学习安装笔记(一)利用Anaconda安装pytorch -GPU版本 配置:win10+cuda9.2

本文档详细介绍了如何在Win10系统上,搭配CUDA9.2安装PyTorch的GPU版本。首先,需要安装Anaconda,然后确认NVIDIA版本为9.2。接着创建conda虚拟环境,并通过清华源加速下载。由于PyTorch官网已不支持CUDA9.2,需查找对应旧版本安装。最后,验证安装是否成功。安装过程中需注意版本匹配及源的选择。

写在前面:

在网上看到各种安装教程时,一定要看文章配置与自己电脑配置是否相同,不相同的话不要无脑跟着安装。

各种软件安装教程有很多,本文主要列出配置pytorch的步骤,以及本人安装时遇到的一个主要问题,希望可以帮到大家。

一、安装anaconda

参考文章

二、确认电脑NVIDIA版本

一般来说现在电脑都有NVIDIA,我们只需查看一下电脑NVIDIA的版本就可以了。
在桌面右击,选择NVIDIA控制面板-帮助-系统信息-组件,就可以看到版本号了。 可以看到我的是9.2。
在这里插入图片描述

三、创建虚拟环境

之后在anaconda中创建一个新的环境(或者直接在base环境中安装pytorch也可以)。
打开anaconda的终端。

<think>好的,我现在需要帮助用户解决在Windows 10上使用Anaconda安装PyTorch GPU版本,并配置CUDA和CUDNN,特别是针对GeForce MX450显卡的问题。首先,我得回忆下用户提供的引用内容和之前的问题。 用户提到MX450显卡,根据引用1,虽然MX450原本可能只支持较低的CUDA版本,但更新驱动后可以支持更高版本,比如11.6。不过用户之前的问题中引用2和3提到了安装CUDA 11.0,但引用4显示用户遇到了问题,最终安装的是CUDA 11.1。这可能意味着用户需要根据最新的驱动情况来选择合适的CUDA版本。 首先,需要确认MX450的CUDA支持情况。用户提到更新驱动后支持到CUDA 11.6,所以可能需要安装最新的驱动。但PyTorch官网上支持的CUDA版本可能有所不同,比如引用1指出PyTorch不再支持CUDA 10.x,最低是11.3。因此,用户需要安装PyTorch兼容的CUDA版本,比如11.3及以上。 接下来,安装步骤可能包括:安装Anaconda、更新显卡驱动、安装CUDA Toolkit、安装CUDNN、创建conda环境、安装PyTorch GPU版本,最后验证安装。 需要注意的是,用户之前遇到的问题是在安装后torch.cuda.is_available()返回False,这可能是因为安装了CPU版本PyTorch,或者CUDAPyTorch版本不兼容,或者驱动未正确安装。因此,必须确保所有组件的版本兼容。 例如,PyTorch官网可能推荐使用CUDA 11.3或11.6,用户需要根据官网的安装命令来选择。同时,CUDNN的版本需要与CUDA版本对应。安装CUDA时可能需要从NVIDIA的存档下载特定版本,如引用2和3中的CUDA 11.0,但根据PyTorch的支持情况,可能需要更高版本。 另外,用户是否安装了正确的PyTorch版本?在conda环境中,必须指定cudatoolkit=11.x,并且安装pytorchcuda版本。如果用户之前安装的是cpu版本,可能是因为没有正确选择渠道或命令。 总结步骤:1. 更新驱动;2. 安装对应CUDA版本;3. 安装对应CUDNN;4. 创建conda环境;5. 安装PyTorch GPU版本;6. 验证。 需要详细检查每个步骤,特别是版本兼容性,避免出现版本不匹配的问题。同时,用户可能需要参考PyTorch官方安装命令,确保使用正确的命令安装。</think>### Windows 10下GeForce MX450配置PyTorch-GPU完整指南 #### 安装前准备 1. **更新显卡驱动** 访问[NVIDIA官网](https://www.nvidia.cn/geforce/drivers/)下载最新驱动,MX450更新后通常可支持CUDA 11.6[^1]。使用`nvidia-smi`命令验证驱动版本,要求≥511.65。 2. **安装Anaconda最新版** 从[Anaconda官网](https://www.anaconda.com/)下载并安装,注意勾选“添加环境变量”。 #### 二、CUDA与CUDNN安装 1. **安装CUDA Toolkit 11.3** 从[NVIDIA CUDA存档](https://developer.nvidia.com/cuda-toolkit-archive)下载CUDA 11.3,选择自定义安装,**仅保留以下组件**: ``` CUDA > Development CUDA > Runtime NVIDIA GeForce Experience (可选) ``` 2. **安装CUDNN 8.2.1** 下载与CUDA 11.3匹配的[CUDNN 8.2.1](https://developer.nvidia.com/rdp/cudnn-archive),将压缩包内`bin`、`include`、`lib`文件夹复制到CUDA安装目录(默认路径:`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3`)。 #### 三、配置PyTorch-GPU环境 ```bash conda create -n pytorch_gpu python=3.9 conda activate pytorch_gpu conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` #### 四、验证安装 ```python import torch print(torch.cuda.is_available()) # 应输出True print(torch.version.cuda) # 应显示11.3 print(torch.backends.cudnn.version()) # 应≥8200 ``` #### 五、常见问题解决 - **返回False的修复方案** 1. 检查Anaconda环境是否激活 2. 运行`conda list`确认安装的是`cu113`版本包 3. 使用`where cudnn64_8.dll`检查CUDNN路径是否在系统PATH中[^4] - **MX450特殊优化** 在代码中添加以下设置以提升性能: ```python torch.backends.cudnn.benchmark = True torch.set_float32_matmul_precision(&#39;high&#39;) ```
评论 5
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
 条评论被折叠 查看
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