正确安装NVIDIA显卡驱动
详情略
查看系统环境
Ctrl + R,输入cmd命令,进入命令行窗口,输入nvidia-smi查看,如下:
由此可知,我的CUDA版本是 12.7。
安装anaconda
详情略
获取兼容配置
把电脑配置:“我的Windows电脑,显卡是3060,CUDA版本是12.7,我需要用pytorch在GPU上运行程序,,你建议安装哪个版本的pytorch?”发送到deepseek,让他给出推荐。
根据你的显卡(RTX 3060)和 CUDA 12.7 环境,以下是 PyTorch 版本选择及安装建议:
一、推荐安装的 PyTorch 版本
建议选择 PyTorch 2.5.1+cu124 或更高版本(如 PyTorch 2.6+),原因如下:
-
CUDA 兼容性
• PyTorch 2.5.1+cu124 明确支持 CUDA 12.4,而 CUDA 12.4 驱动可向下兼容 CUDA 12.7 的显卡。
• 若官网未提供 cu127 的预编译包(如 PyTorch 2.6+ 可能已支持),需通过--index-url
指定 cu124 的安装源。 -
性能与功能平衡
• PyTorch 2.5+ 支持torch.compile
编译加速、FlashAttention 2 等优化技术,对 RTX 3060 的 CUDA 核心利用率更高。
二、安装步骤
1. 创建虚拟环境(推荐)
conda create -n pytorch_gpu python=3.9
conda activate pytorch_gpu
2. 安装 PyTorch(以 cu124 为例)
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
• 若需最新版:访问 PyTorch 官网,选择 Stable Release (2.6.0)
并复制对应 cu124 的安装命令。
3. 验证安装
import torch
print(torch.__version__) # 应显示 2.5.1+cu124 或更高
print(torch.version.cuda) # 应显示 12.4
print(torch.cuda.is_available()) # 应返回 True
三、注意事项
-
CUDA 驱动与运行时版本关系
• 你的 NVIDIA 驱动支持 CUDA 12.7,但 PyTorch 需要 CUDA 运行时库(如 cu124)。驱动版本 ≥ 运行时版本即可,无需完全一致。 -
cuDNN 安装
• 需下载与 CUDA 12.4 兼容的 cuDNN(如 v8.9.4),解压后覆盖到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4
目录。 -
环境变量配置
• 确保系统 PATH 包含 CUDA 路径:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\bin
。
四、替代方案(若官网无 cu124 包)
-
降级 CUDA 驱动至 12.4
• 从 NVIDIA 官网 下载 CUDA 12.4,安装后重启系统。 -
使用 Conda 安装
conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia
五、常见问题
• CUDA 不可用:检查驱动是否支持 CUDA 12.4(通过 nvidia-smi
查看驱动版本是否 ≥ 535.86.10)。
• 安装速度慢:使用国内镜像源(如清华源)或迅雷下载 whl 文件后本地安装。
总结
最优选择:安装 PyTorch 2.5.1+cu124,搭配 CUDA 12.4 运行时库,可最大化兼容性和性能。若需最新功能,可尝试 PyTorch 2.6+ 并确认其支持 cu124。
由于conda install pytorchxxx
很慢,于是参考下面的链接:
https://blog.youkuaiyun.com/weixin_59243359/article/details/142312831
文章中,提供了一种方式,那就是先离线下载,pytorch-cuda包,然后再手动安装。
注意:安装前,最好是切换到合适的conda env环境中,再用pip install xxx
安装。
安装过程中,有其他下载,我是打开梯子进行下载的,等候一会即可。
安装完成,会有提示。
问题整理
遇到的问题:安装好pytorch-cuda包后,验证过程中import torch
报错,说缺少numpy
,于是我又安装了一下numpy
,安装完成之后,又出现了和 MKL相关错误。
注意隐藏的链条:因为pytorch-cuda包,是用 pip install 安装,不会自动处理依赖,所以不会自动安装 numpy,而 numpy 底层又依赖 MKL。
关于 MKL 和 numpy的选择:
具体细节可以问deepseek。