在老旧GPU上安装pytorch的方法

最新推荐文章于 2025-05-01 19:08:39 发布

原创

最新推荐文章于 2025-05-01 19:08:39 发布 · 1.1k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#pip #gpu #cuda #jvm #debug

本文介绍了如何在老旧GPU上安装PyTorch，包括编译torch 1.9和torchvision 0.9的whl文件，以及提供了一个适用于旧版CUDA和GPU的pip安装源。首先确保安装最新的CUDA、cudnn和驱动，然后可以从特定仓库中选择匹配版本的PyTorch进行安装。

20210526更新

从结果来看，本文的方法依然不能偷太多的懒，所以后来笔者就亲自编译了torch 1.9和torchvision 0.9的whl安装文件。

这里详细的编译过程就不赘述，直接列出安装文件，需要的读者可以直接下载安装使用。

注意的是在执行pip操作之前需要安装最新的cuda和cudnn以及最新的驱动,参考博文[Ubuntu16.04下如何安装显卡驱动、cuda、cudnn](https://blog.youran.ai/posts/ubuntu-cuda-cudnn-driver.html)。

以笔者的为例：

系统版本是ubuntu 16.04 LTS
显卡有2块：1块1660TI，1块M40 24G
驱动465，cuda版本11.3，cudnn 8.2

NVIDIA-SMI 465.19.01    Driver Version: 465.19.01    CUDA Version: 11.3

pytorch 1.9和torchvision 0.9的安装包链接如下：

链接：https://pan.baidu.com/s/19gDdmkTeL9ThnQ5s2rHcig 

提取码：b7me 

复制这段内容后打开百度网盘手机App，操作更方便哦

以下是原文

本着节约的原则花1000块买了一块k40c的显卡，但是在运行pytorch直接就出现了这个问题：

RuntimeError:&nb

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

android_ruben

关注关注

3
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
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

PyTorch的安装-CPU版本或者GPU安装有什么区别吗

m0_46322965的博客

08-15

1397

如果你的计算机有兼容的NVIDIA GPU并正确安装了CUDA驱动和工具包，安装PyTorch的CUDA版本后，大部分张量计算（如神经网络训练和预测）。通常推荐选择PyTorch官网当前稳定版本主要支持的CUDA版本（如CUDA 11.8或12.1），并确保安装了相应的。如果版本不匹配，PyTorch将无法识别你的CUDA环境，从而退回到CPU模式运行（即使有GPU）。检查并重新安装正确的PyTorch版本或安装匹配的CUDA Toolkit。（通常是驱动版本隐含决定了支持的最高CUDA版本）。

win10/11下wsl2安装gpu版的pytorch（避坑指南）

zqm_0015的博客

03-27

5317

wsl下安装gpu版本的pytorch，是教程也是避坑指南~欢迎留言问问题

参与评论您还未登录，请先登录后发表或查看评论

torchvision-0.8.1+cu101-cp38-cp38-linux_x86_64.whl

12-10

torchvision-0.8.1+cu101-cp38-cp38-linux_x86_64

离线安装去配置较低版本pytorch环境（gpu版本）

Damon5232的博客

12-13

1017

当然，在实际的虚拟环境中也许会因为各种原因下载不了，比如conda没有，比如没有使用镜像源，比如网速太慢，所以我一般使用离线安装的方式，因此，在这里查询指令只是为了确定torchvision的版本，避免遗漏。执行代码的build会出现对应的cuda版本，如此我们选择对应的7.6.5进行安装。根据我所复现的项目要求，我的选择是python3.6，pytorch1.6。（8）下载对应版本torch和torchvision，如图，这是我找到的。（2）根据确定的版本选择cuda版本，

pytorch安装

Cristina的博客

02-27

1383

pip3 install torch===1.5.0 torchvision===0.6.0 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple import torch 报错报错ImportError: numpy.core.multiarray failed to import pip uninstall numpy pip install numpy...

Pytorch：显卡驱动版本、Pytorch版本的关系

前进，才知道自己的渺小

07-18

2995

显卡驱动程序一般是显卡自带的，可以在终端中使用nvidia-smi命令查看，如下图所示。

torchvision-0.10.0+cu111-cp38-cp38-linux_x86_64.whl

09-07

torchvision-0.10.0+cu111-cp38-cp38-linux_x86_64.whl

如何安装旧版本的Pytorch

weixin_70673823的博客

03-13

1755

安装旧版本的Pytorch——使用Anaconda虚拟环境。

安装PyTorch时老电脑一直显示"Your installed CUDA driver is: 10.0"

01-16

在安装PyTorch时，有时会遇到提示"Your installed CUDA driver is: 10.0"，这表示您的计算机上安装的CUDA驱动程序版本为10.0。CUDA（Compute Capability）是由NVIDIA提供的用于加速计算的应用编程接口，它允许GPU...

torch 安装

weixin_41642203的博客

12-22

1170

v1.10.1 pip install torch-1.10.1+cu113-cp38-cp38-linux_x86_64.whl torchvision-0.11.2+cu113-cp38-cp38-linux_x86_64.whl v1.8.0 pip install torch-1.8.0+cu111-cp38-cp38-linux_x86_64.whl torchvision-0.9.0+cu111-cp38-cp38-linux_x86_64.whl

torch-1.8.0-cp36-cp36m-linux_aarch64.whl

04-19

jetson nano 安装 torch 百度链接：https://pan.baidu.com/s/1LCTBv9zQj3ERLx7InY-sOg 提取码：1111 官网：https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-8-0-now-available/72048 nvidia 推出pytorch docker 镜像,可以看看，

Python库 | wordcloud-1.8.1-cp36-cp36m-manylinux1_x86_64.whl

05-11

资源分类：Python库所属语言：Python 资源全名：wordcloud-1.8.1-cp36-cp36m-manylinux1_x86_64.whl 资源来源：官方安装方法：https://lanzao.blog.youkuaiyun.com/article/details/101784059

torch-1.7.1+cu110-cp37-cp37m-linux_x86_64.whl离线安装包linux系统x86_64

09-18

torch-1.7.1+cu110-cp37-cp37m-linux_x86_64.whl torchvision-0.8.2+cu110-cp37-cp37m-linux_x86_64.whl 由于超过1G无法上传，给的是百度云链接！！！！！需自行下载

torchvision-0.8.2+cu110-cp36-cp36m-linux_x86_64.whl

04-26

torchvision-0.8.2+cu110-cp36-cp36m-linux_x86_64.whl

Linux安装Pytorch1.8GPU（CUDA11.1）

最新发布

A1311432540的博客

05-01

342

老旧显卡 CUDA 11.0 兼容安装11.8 toolkit, 编译2.7.0 版本pytorch

安装GPU版本pytorch

01-07

### 安装GPU版本的PyTorch 对于希望使用GPU加速的应用场景，正确配置PyTorch及其依赖项至关重要。当遇到`no kernel image is available for execution on the device`错误时，这通常意味着当前使用的PyTorch版本不支持所连接的GPU硬件[^1]。为了确保能够顺利安装并运行GPU版PyTorch，建议按照以下方法操作： #### 方法一：通过官方推荐的方式安装特定于CUDA版本的PyTorch 访问[官方网站](https://pytorch.org/get-started/locally/)获取最新的安装命令。这里可以根据自己的CUDA版本来挑选合适的预编译二进制文件进行安装。例如，如果计算机上已安装了CUDA 10.2，则可以执行如下指令： ```bash pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu102 ``` #### 方法二：降级至兼容旧款GPU的较低版本PyTorch 有时可能因为显卡过老而无法满足最新版PyTorch的要求，在这种情况下可以选择安装较早版本的PyTorch以获得更好的适配性。比如，针对某些老旧型号的NVIDIA GPU，可尝试安装PyTorch 1.7.x系列版本： ```bash pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html ``` #### 方法三：仅需CPU支持的情况下的简易解决方案如果不打算利用GPU资源，也可以考虑直接安装纯CPU版本的PyTorch，这样就不必担心与GPU驱动程序之间的兼容性问题： ```bash conda install pytorch-cpu torchvision-cpu -c pytorch ``` 不过这种方法显然不适合那些确实需要借助GPU性能提升的任务需求[^2]。 #### 使用 `accelerate` 库简化多设备管理除了上述基本设置外，还可以引入第三方库如Hugging Face提供的`accelerate`工具包，它可以帮助开发者更方便地管理和调度不同类型的计算单元（包括但不限于CPU、GPU以及TPU），从而进一步优化模型训练过程中的资源配置效率[^3]。