配置Pytorch_geometric(GPU版本,CUDA Toolkit 11.1)Win10系统,显卡NVIDIA GeForce MX150(仅仅提供安装过程参考)
思路:我根据geometric官网(https://pytorch-geometric.readthedocs.io/en/latest/notes/installation.html)安装步骤里选择配套安装PyTorch 1.8.0/1.8.1 and CUDA Toolkit 11.1,然后分别去CUDA Toolkit官网(https://developer.nvidia.com/cuda-toolkit-archive)和pytorch官网(https://pytorch.org/get-started/previous-versions/)下载安装相应版本。(经验:最好按照官方文档走)
目录
配置Pytorch_geometric(GPU版本,CUDA Toolkit 11.1)Win10系统,显卡NVIDIA GeForce MX150
2.查看显卡驱动支持的CUDA的最高版本,使用驱动精灵或者官网链接下载更新驱动(大约0.5G)
1.查看显卡驱动(条件:需要有独立显卡)
Intel(R)开头是集成显卡,NVIDIA开头是独立显卡,这里必须要求有独立显卡。
详见链接转自:https://blog.youkuaiyun.com/cashmood/article/details/105081586
Pytorch_geometric,CUDA Toolkit,PyTorch的版本选择(链接详见思路中官网),我选择PyTorch 1.8.0/1.8.1 and CUDA Toolkit 11.1,以及对应的Pytorch_geometric和依赖包。
2.查看显卡驱动支持的CUDA的最高版本,使用驱动精灵或者官网链接下载更新驱动(大约0.5G)
CUDA Toolkit版本与驱动版本对应关系详见链接转自:https://blog.youkuaiyun.com/qq_29007291/article/details/110878764
只要驱动版本满足最低版本要求就可以装相应的CUDA版本,我这里驱动版本为466.11可以装CUDA11.1,最高可以装CUNA11.3(还没呢)。如果驱动版本过低,则需要更新驱动,使用驱动精灵或者官网链接下载更新。更新具体步骤可参考链接转自:https://blog.youkuaiyun.com/wdsj_hs/article/details/104486680;
附:nvidia驱动,cuda与cudnn的关系链接博客:https://blog.youkuaiyun.com/qq_35941018/article/details/96481116
3.安装CUDA Toolkit(大约2G)、CUDNN
我需要的选择CUDA Toolkit11.1版本。官网下载对应版本、配置环境变量详见链接转自:https://blog.youkuaiyun.com/cashmood/article/details/105081586
注意:CUDNN需要登陆才能下载。配置环境变量一共添加了4个环境变量,4个路径
4.安装torch
下载相应版本官网链接:https://pytorch.org/get-started/previous-versions/
我下载前两个就行,因此直接运行下面命令(大约3G)
pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html
5.安装geometric及其支持包
查询官网需要的支持包并安装,官网链接:https://pytorch-geometric.readthedocs.io/en/latest/notes/installation.html
安装命令为
pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.8.0+cu111.html
pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.8.0+cu111.html
pip install torch-cluster -f https://pytorch-geometric.com/whl/torch-1.8.0+cu111.html
pip install torch-spline-conv -f https://pytorch-geometric.com/whl/torch-1.8.0+cu111.html
pip install torch-geometric
安装相应版本及支持包(测试过程中可能会出现拒绝访问,导入错误等,我的方法是卸载重装了3次)
6.检验是否安装成功
1.可以通过jupyter notebook
2.可以使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe:
在cmd中输入如下命令:
cd 你自己的安装位置\CUDA\v11.1\extras\demo_suite
在分别输入bandwidthTest.exe和deviceQuery.exe
两个pass即为通过.
小探索:可以尝试跳过驱动安装直接安装对应版本的CUDA toolkit