(2023)CUDA11.7+Python3.9+Pytorch GPU安装

(补档)(自用留存)(有问题欢迎互相交流)

一、安装Anaconda

官网链接(默认新版):Anaconda | The World's Most Popular Data Science Platform

官网老版本:Index of / (anaconda.com)

老版本同时显示对应Python版本:Old package lists — Anaconda documentation

国内镜像:Index of /anaconda/archive/ | 北京外国语大学开源软件镜像站 | BFSU Open Source Mirror

纯点next,记得勾选“”选择PATH加入路径“”

 安装完,点开开始菜单,打开Anaconda Prompt,有显示base就安装成功

 输入conda info,可以查看一些基本信息

 

 可能出现的环境变量的问题(没有就不用管):

 右键此电脑——>属性——>高级系统设置,选择环境变量

系统变量中找到Path,点击编辑,然后点击新建,分别新建添加三条环境变量:
C:\Users\chenwenqiang\anaconda3
C:\Users\chenwenqiang\anaconda3\Scripts
C:\Users\chenwenqiang\anaconda3\Library\bin

(“C:\Users\chenwenqiang\anaconda3”)是安装时的安装路径,根据自己调整编辑

 二、下载CUDA

首先,要有一张NVIDIA的卡,打开NVIDIA控制面板,点系统信息,找到驱动版本

 请确保你的驱动版本要高于你安装的CUDA对应的版本,不然会有大问题

官网地址:CUDA Toolkit Archive | NVIDIA Developer

选择对应版本,傻瓜式一键安装

输入nvcc -V验证是否安装成功 

三、 Pytorch安装

首先在conda里新建环境(好习惯)

请确保你的Python版本高于3.6,不然会有意料之外的问题

conda create -n 你的环境名 python=版本号

##比如我就写的3.9

conda create -n pytorch python=3.9

显示需要安装这些包,直接回车 

 安装成功了会显示这样(Pytorch是我取的环境名)

 输入 conda activate pytorch ,可以看见左边由base变成了pytorch,环境变更成功

安装Pytorch之前先换源(可选,目的是为了避免下载网速慢卡死)

win+R运行:%HOMEPATH%

 用记事本打开“.condarc”,补充以下三条,保存

  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

 Pytorch官网:PyTorch

 选择CUDA11.7,复制下方的命令去刚刚创建的环境中运行

(注:Python3.6无法安装11.7,solving environment会卡住)

遇到就输入y回车确认

 安装结束后,输入pip list查看是否安装成功

最后,完整的验证一下是否安装成功 

输入Python进入Python环境,输入import torch,没报错就是成功了

 输入torch.cuda.is_available(),只要显示True就是正常安装了,至此安装完成。

<think>嗯,用户想找与CUDA 11.7兼容的PyTorch版本。首先,我需要确认PyTorch的不同版本与CUDA对应关系。记得PyTorch官网有版本兼容性表格,应该先查那个。比如,PyTorch 1.12通常支持CUDA 11.6,但可能用户需要更具体的版本。 用户提到CUDA 11.7,这可能对应PyTorch的某个特定版本。根据之前的经验,PyTorch的版本号通常和CUDA版本有关联,但有时候可能会有多个PyTorch版本支持同一个CUDA版本。比如,PyTorch 2.0可能支持CUDA 11.711.8,但需要确认具体的构建版本。 另外,用户提供的引用中提到了PyTorch 2.0.0和CUDA 11.7一起使用,这可能意味着这两个是兼容的。但需要检查官方文档来验证这一点。同时,用户还遇到了torch-xla和TensorFlow的环境问题,但当前问题主要集中在PyTorchCUDA的兼容性上。 可能需要建议用户访问PyTorch的官方安装页面,那里会有详细的版本列表,每个版本对应CUDA版本。例如,PyTorch 1.13可能支持CUDA 11.7,而PyTorch 2.0可能支持更高的CUDA版本,但根据用户的环境,可能确实存在兼容的组合。 另外,用户可能需要通过conda或pip来安装特定版本的PyTorch,指定CUDA版本。例如,使用pip安装时,命令可能类似于`pip install torch==1.12.1+cu117 -f https://download.pytorch.org/whl/torch_stable.html`,其中cu117表示CUDA 11.7。 还需要提醒用户检查CUDA是否正确安装,使用`nvcc --version`或`nvidia-smi`来确认CUDA版本,因为有时候系统可能有多个CUDA版本,而PyTorch可能使用的是不同的版本。 最后,用户的问题可能需要分步骤解答:首先确认官方兼容性,然后提供安装命令示例,最后验证安装是否成功。同时,注意用户的环境是否还有其他依赖冲突,比如torch-xla或TensorFlow的版本是否与PyTorch兼容。</think>根据PyTorch官方版本兼容性说明,与CUDA 11.7兼容的PyTorch版本主要有以下选择: ### 一、版本对应关系 1. **PyTorch 1.13.x系列** 官方提供预编译的`cu117`版本: ```bash conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 -c pytorch ``` 或 ```bash pip install torch==1.13.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117 ``` 2. **PyTorch 2.0.x系列** 虽然原生支持CUDA 11.8,但可通过源码编译适配CUDA 11.7[^2] ### 二、验证安装 执行Python命令验证: ```python import torch print(torch.__version__) # 应显示1.13.1+cu117 print(torch.cuda.is_available()) # 应返回True print(torch.version.cuda) # 应显示11.7 ``` ### 三、注意事项 - 确保NVIDIA驱动版本≥515.65.01(支持CUDA 11.7的最低要求) - 多版本CUDA共存时,需通过环境变量指定路径: ```bash export PATH=/usr/local/cuda-11.7/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH ```
评论 4
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