win10安装cuda,pytorch

本文提供了一步一步的指导,帮助读者在Win10系统上为GeForce MX150显卡安装CUDA 9.1及PyTorch 0.4.0,包括选择合适的CUDA版本、从官方网站下载、安装cuDNN和PyTorch的过程,以及如何利用清华镜像加速下载,最后验证安装是否成功。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

win10安装cuda,pytorch

1、查看本机显卡类型,以及本机对应的可用cuda类型
本文使用的是getforce mx150,可用版本为cuda 9.1
在这里插入图片描述

2、到cuda官网下载cuda
https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exenetwork
z

在这里插入图片描述
这里选network吧,我选的local结果好几次都是下一半失败了。

3、安装cudann
参考https://blog.youkuaiyun.com/cmat2/article/details/80407059
4、安装pytorch
这里对应python3.6请选择pytorch0.4.0
我开始装的pytorch0.3.0弄半天下下来发现不能用
安装可参考https://zhuanlan.zhihu.com/p/26871672
使用清华镜像的方法,又快又好用
5、测试
愉快的在命令输入Python,再import torch
在这里插入图片描述
不过我这里用的好像是AMD64不知道是不是用的不是getforce那块卡,等用起来再看看吧

### Windows 10安装 CUDAPyTorch 的教程 #### 创建并激活 Conda 虚拟环境 为了确保依赖项不会冲突,建议先创建一个新的 Conda 虚拟环境。这可以通过以下命令完成: ```bash conda create --name pytorch_env python=3.9 conda activate pytorch_env ``` #### 安装 CUDA 工具包 根据最新的官方信息,在选择 CUDA 版本时有多个选项。当前支持的主要版本为 CUDA 11.8 和 CUDA 12.1[^5]。 对于 CUDA 12.1 用户来说,除了安装 CUDA Toolkit 外,还需要额外下载 cuDNN 库 v8.9.7 来匹配此版本的 CUDA[^2]。具体的安装过程可以参考 NVIDIA 提供的详细文档来进行。 #### 使用 pip 安装 PyTorch 及其扩展库 一旦确认好要使用的 CUDA 版本后,就可以通过 `pip` 命令来安装特定于该 CUDA 版本的 PyTorch 发行版了。以下是针对不同 CUDA 版本的具体安装指令: - **CUDA 11.1** (适用于较旧系统的兼容性考虑): ```bash pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio===0.9.0 -f https://download.pytorch.org/whl/torch_stable.html ``` - **CUDA 12.1**: ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 ``` 以上命令会自动处理所有必要的依赖关系,并将它们安装到之前创建好的 Python 环境中。 #### 验证安装成功与否 最后一步是验证新安装的软件是否正常工作。可以在 Python 解释器内运行如下测试代码片段以检查 GPU 是否可用以及 TorchVision 加载图片的功能是否完好无损: ```python import torch print(f"Torch version: {torch.__version__}") if torch.cuda.is_available(): print("CUDA is available!") else: print("No CUDA detected.") from PIL import Image from torchvision.transforms.functional import to_tensor, normalize img = Image.open('example.jpg') # 替换成实际存在的图像路径 tensor_img = to_tensor(img) normalized_img = normalize(tensor_img, mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) print(normalized_img.shape) ```
评论 1
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