【自我学习总结】python的torch的cuda配置过程

SFEK欲存

于 2023-06-01 22:00:26 发布

阅读量907

点赞数

CC 4.0 BY-SA版权

文章标签： python 学习 pytorch

本文链接：https://blog.youkuaiyun.com/weixin_60758539/article/details/130996898

首先检查NVIDIA系统信息以确定支持的CUDA版本，然后在PyTorch官网找到相应CUDA版本的安装命令，但不立即执行。根据PyTorch的torch版本需求，安装或配置合适的Python版本，推荐使用Anaconda管理环境。最后，执行下载命令并验证CUDA和PyTorch的安装是否成功。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

NVIDIA设置 -> 帮助 -> 系统信息 -> 组件，中查看所能支持的最高版本的CUDA
根据第一条，选择一个版本的CUDA，先不忙着安装这个版本的CUDA
根据选择的CUDA版本，在pytorch的官网上寻找满足这个CUDA版本的下载命令，如果能找到就可以安装对应版本的cuda以及与cuda对应的cudnn，安装cuda&cudnn参考，但是这个下载命令先不急着执行
根据这个下载命令中的torch的版本，查看一下需要什么版本的python
安装合适的python版本，或者通过Anaconda虚拟环境进行配置(推荐)
安装好python之后就可以在命令行执行第3步中的下载命令了
下载之后，进行验证即可

验证命令：

torch.cuda.is_available()  # 应该返回True
torch.device("cuda:0" if (torch.cuda.is_available() and 1 > 0) else "cpu")
print(torch.cuda.get_device_name(0))  # 应该返回显卡版本