如何在linux上安装GPU版本pytorch

本文档详细介绍了如何在服务器上创建虚拟环境,并安装GPU版的PyTorch框架。首先,通过`cat /etc/redhat-release`命令确认Linux内核类型。然后,使用`nvidia-smi`检查CUDA版本,根据版本号从PyTorch官网获取安装指令,推荐使用pip安装CUDA 11.0对应的PyTorch。最后,验证安装成功并学习如何在有多个CUDA版本的环境中切换。注意,若已有CPU版PyTorch,需先卸载才能顺利安装GPU版。
部署运行你感兴趣的模型镜像

前言

在服务器上创建虚拟环境,安装gpu版本torch或者tf框架。

一、查看服务器类型

查看linux的内核是centos还是ubuntu:

cat /etc/redhat-release 

二、虚拟环境中安装

1.查看自己的cuda版本

命令如下:

nvidia-smi

 右上角就是最高能安装的CUDA Version,我的是11.1

2.官网安装

去pytorch官网(PyTorch)进行查看安装命令:

 最好使用pip安装吧,试过conda会出现问题。安装cuda==11.0

 测试是否安装好:

import torch
print(torch.cuda.is_available())

如果之前虚拟环境利用cpu的pytorch,记得需要先删除。不然一直装不好。

3.CUDA多版本切换

如果安装了多个cuda版本后,可以在/usr/local/目录下查看自己安装的cuda版本,如下图所示:

或者使用如下命令: 

ls -l /usr/local | grep cud

 第一个是目前cuda的软链接。

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

### 在 Linux 上通过 Anaconda 安装支持 GPUPyTorch 要在 Linux 系统上使用 Anaconda 安装支持 GPUPyTorch,可以按照以下方法操作: #### 1. 创建并激活虚拟环境 为了确保依赖项不会与其他项目冲突,建议先创建一个新的 Conda 虚拟环境。可以通过以下命令完成: ```bash conda create -n pytorch_gpu_env python=3.9 -y conda activate pytorch_gpu_env ``` 这里 `pytorch_gpu_env` 是新环境的名字,可以根据需求更改名称[^2]。 #### 2. 配置 CUDA 工具包 确认系统已安装适合的 NVIDIA 显卡驱动程序以及对应的 CUDA Toolkit 版本。推荐访问 [NVIDIA CUDA 下载页面](https://developer.nvidia.com/cuda-downloads),根据硬件和操作系统选择合适的版本。 #### 3. 安装 GPU 支持的 PyTorch 进入官方 PyTorch 官网 ([https://pytorch.org/get-started/locally/](https://pytorch.org/get-started/locally/)) 并找到适用于 Linux 和 Conda 的安装命令。通常情况下,可以直接执行以下命令来安装带有 GPU 支持的 PyTorch: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia ``` 此命令会安装指定版本PyTorch、Vision 库、Audio 库以及匹配的 CUDA Toolkit(此处为 11.8)。如果需要其他特定版本,则需调整参数[^4]。 #### 4. 测试安装结果 验证 PyTorch 是否能够正常识别 GPU 设备,可以在 Python 中运行以下脚本来检查: ```python import torch print(f"CUDA Available: {torch.cuda.is_available()}") print(f"Current Device: {torch.cuda.current_device()}") print(f"Device Name: {torch.cuda.get_device_name(torch.cuda.current_device())}") if torch.cuda.is_available(): tensor = torch.rand((3, 3)).cuda() print(tensor) else: print("No GPU detected.") ``` 以上代码片段用于判断当前环境中是否存在可用的 GPU,并尝试分配张量到该设备上显示其内容[^3]。 --- ####
评论
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