2019 Mac13.6安装cuda+cudnn+pytorch

最新推荐文章于 2025-01-30 21:32:28 发布

原创

最新推荐文章于 2025-01-30 21:32:28 发布 · 7k 阅读

20 ·

CC 4.0 BY-SA版权

文章标签：

#mac #cuda #pytorch #cudnn

我的原文：https://www.hijerry.cn/p/49582.html

本次主要记录一些自己遇到的问题的解决方案

CUDA、cuDNN

大致流程参照 2018 MAC安装CUDA、cuDNN（Gaming Box1070）

顺序是：GPU Driver、CUDA Driver、CUDA Toolkit、cuDNN

安装驱动时要注意：

MacOS与NVIDIA GPU Driver的版本要匹配，才能驱动显卡
CUDA Driver与NVIDIA GPU Driver的版本要一致，CUDA才能找到显卡

关键地址：

MAC - NVIDIA GPU Driver对照表：http://www.macvidcards.com/drivers.html
CUDA Driver：http://www.nvidia.com/object/mac-driver-archive.html
CUDA Toolkit：https://developer.nvidia.com/cuda-toolkit-archive
cuDNN：

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

爆浆大鸡排

关注关注

7
点赞
踩
20

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

【深度学习环境配置】Anaconda + PyCharm + CUDA + cuDNN + PyTorch + OpenCV

shinuone的博客

02-23

2万+

（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv

WSL下Ubuntu+RTX4090安装CUDA+cuDnn+Pytorch

遗失的神庙

03-21

2176

首先需要明确的是，在WSL下安装Ubuntu，如果要使用主机的GPU卡，只需要在主机Windows上安装驱动，Linux中不需要安装驱动，可以在Linux中使用nvidia-smi命令查看驱动版本。

2 条评论您还未登录，请先登录后发表或查看评论

【Macbook cuda环境搭建】

weixin_46333910的博客

02-22

1万+

torch-gpu为环境名称（按意愿修改），python3.8和3.9都被验证可以用的。M1-GPU 支持功能仅在 MacOS Monterey (12.3+) 中受支持。毕业前换了苹果，环境重新更新，用来跑自然语言处理相关模型，主要基于PyTorch。检验Pytorch环境，终端命令行输入 python，进入python环境。据说大部分默认安装了Xcode，我们需要验证一下，没有的话就更新下。，选择合适版本命令复制，犯懒就直接复制我这个。在终端命令行验证Anaconda是否成功。返回True，OK啦。

Mac下CUDA开启及Tensorflow-gpu 1.4安装

Ray's Coding Island | 编码之岛

12-14

1万+

本文由@ray 出品，转载请注明出处。文章链接： http://blog.csdn.net/wz22881916/article/details/78495543在之前的文章中，笔者介绍了在Mac下安装Tensorflow及开发环境搭建。但是感觉用CPU跑机器学习还是太慢了，所以便研究研究如何使用GPU来跑。1.运行环境软件环境： macOS Sierra 10.12.6 Xcode

MacBook安装CUDA

weixin_34365635的博客

09-21

7499

为什么80%的码农都做不了架构师？>>> ...

MacOS 10.13.6安装cuda+cudann+pytorch的gpu版本

anuory的博客

06-08

1万+

疫情在家炼丹，远程连接实验室实在是不太方便，随意准备用家里的电脑代替，虽然配置不能打，但是写写代码跑跑事例的还是可以的，由于所有的资料文件我都在手里的MacBook里面，所有准备弄一套macOS的黑苹果环境，系统装好后，就是装驱动了，具体如下：注意: 由于黑苹果对驱动要求严格，且在macOS High Sierra 10.13.6之后NVIDIA不在对显卡驱动进行支持，所以Mac的版本选择在10.13.6，所有的安装总体分为两部分，第一是cuda相关的安装，第二是pytorch的gpu版本的安装。.

CUDA在不受支持的macOS系统上使用（BigSur）

ilovefifa2020的博客

07-13

4349

Nvidia CUDA 黑苹果 macOS GTX1050 Big Sur Beta Web Driver GPU High Sierra 不受支持的 OCLP Adobe Premiere Pro QE/CI Monterey Sonoma GTX1060 GTX750

pytorch+CUDA+CUDNN配置教程

12-20

在配置PyTorch时，结合CUDA和CUDNN可以充分利用GPU的计算能力，加速模型的训练过程。 **A. 安装Python 3.6** 1. **下载安装包**：首先，你需要从Python官方网站下载对应操作系统的Python 3.6版本。在安装过程中，...

Windows下conda+cuda+cudnn+pytorch+vscode运行TSLib

热门推荐

tanking66的博客

09-04

5万+

我之前已经通过codna的方式安装了cuda toolkit来支持深度学习的训练，也可以输出torch.cuda.is_available()，证明pytorch是可以调用cuda的，但是我在使用CUDA EXTENSION的时候提示找不到CUDA，后来查询后发现CUDA的安装方式不同，CUDA也不同，关于这种不同，详情请查看这篇博客系统：Ubuntu 20.04架构:x86_64显卡：4070Ti驱动版本:535.154.05。

安装CUDA Toolkits

dongbidsaxue的博客

05-24

9584

mac的m芯片上跑cuda程序

辛宣的博客

09-11

1268

config里 parser.add_argument('--device', type=str, default='mps') main里 device = torch.device(cfg['device']) train里 x_batch = x_batch.astype('float32') y_batch = y_batch.astype('float32') aux_bat...

Conda 常用指令 (Mac)【下载安装环境配置查看创建激活配置cuda 拷贝环境】

euzmin的博客

02-23

3675

查询所有环境 conda info --envs 显示结果: # conda environments: # base * /home/zmq/anaconda3 myenv /home/zmq/anaconda3/envs/myenv 其中 * 表示当前正在使用的环境。激活环境比如想切换到myenv环境，则输入 conda activate myenv 此指令没有结果输出。然后再查询所有环境可得 # conda envir

2018 MacBook Pro 安装cuda+cuDNN+pytorch

qq_41342685的博客

03-22

4805

2018 MacBook Pro 安装cuda+cuDNN+pytorch 根据优快云上的两篇文章和知乎上的一篇文章，前前后后折腾了好几天，在一个小姐姐的帮助下终于装上了。我的环境系统版本： macOS 10.13.6 (17G10021) GPU Driver Version: 387.10.10.10.40.133 CUDA Driver Version: 410.130 CU...

cuda无法在电脑上运行_新Mac太牛：在电脑上运行iPhone、iPad的软件、游戏

weixin_39565332的博客

11-18

380

自从苹果M1芯片发布之后，使用这颗芯片的Mac电脑，就被大家认为是有史以来最强的Mac，因为这颗小米的芯片，在性能上已经打败了苹果使用的最高端的i9芯片。而事实上后续的跑分、评测也基本证实了这一点，那就是不管是CPU、还是GPU，或者AI，都比苹果使用的最强的酷睿i9还要强。而为了配合这颗M1芯片，苹果还发布了新款的MacOS Big Sur版本，这是一次大的升级，从10.15，直接就升级到了10...

如何安装 CUDA Toolkits

Debug yourself!

01-30

3060

的步骤如下，具体步骤根据你的操作系统（Windows/Linux/Mac）有所不同。完成这些步骤后，你就可以开始使用 CUDA 进行开发了！如果遇到任何问题，随时可以提出。

cuda+cudnn+pytorch

12-31

### 如何在PyTorch中配置和使用CUDA与CuDNN #### 安装合适的CUDA和CuDNN版本为了使PyTorch能够利用GPU加速计算，需要确保安装了兼容的CUDA和CuDNN版本。表展示了不同版本之间的对应关系[^2]。对于最新的PyTorch版本（例如1.10.x），推荐使用的CUDA版本为11.3或更高；而对于较旧版本，则应选择相应的较低版次的CUDA工具包来匹配特定需求的应用场景。 #### 创建并激活Conda虚拟环境通过Anaconda创建一个新的Python环境可以简化依赖管理过程： ```bash conda create -n pytorch_env python=3.8 conda activate pytorch_env ``` 这一步骤有助于隔离项目所需的库和其他全局安装软件之间可能存在的冲突问题[^1]。 #### 安装PyTorch及相关组件一旦选择了正确的CUDA/CuDNN组合之后，在上述环境中可以通过pip命令轻松获取预编译好的二进制发行版： ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 ``` 这里假设已经决定采用CUDA 11.3作为目标平台，并指定了`cu113`参数以获得相应支持。如果选用其他版本，请调整URL中的编号部分以反映实际需求。 #### 验证安装是否成功完成以上操作后，可通过简单的测试脚本来确认一切正常工作： ```python import torch print(f"CUDA Available: {torch.cuda.is_available()}") if torch.cuda.is_available(): device = 'cuda' else: device = 'cpu' tensor_example = torch.tensor([1., 2., 3.], device=device) print(tensor_example) ``` 这段代码会打印出当前系统上是否有可用的CUDA设备以及尝试在一个张量对象上调用它来进行基本运算。如果有任何错误发生或者输出显示无法访问GPU资源，则表明可能存在未解决的问题需要进一步排查。