PyTorch GPU版安装终极指南(含避坑大全)

【问题解决】| 关于torch无法使用GPU的一些实验探索,思考 实验证明在pip指令后面的 cu118才是关键。Fridemn-优快云博客做实验尝试做到很晚但是我们目前只能说有一些感性的认识,总结了一些经验但是对于CUDA的理解还是有很多不到位的地方,需要后面不断的实践补充。 阅读详情

前言:为什么你的GPU在偷懒?(灵魂拷问)

最近在技术社区看到个段子:80%的程序员以为自己在用GPU跑模型,其实他们的显卡正在后台刷剧吃薯片!(扎心警告)别笑!这说的可能就是正在看文章的你!

经历过无数次CUDA版本地狱、驱动崩溃的本人,今天要手把手带你搞定PyTorch GPU环境搭建。文末还有独家的"显卡健康检测套餐",保证让你的显卡乖乖干活!(文末有惊喜)


一、安装前的死亡三连问

1. 你的显卡配吗?(硬件检测)

按住Win+R输入dxdiag👉显示选项卡👉看这里有没有"NVIDIA"字样

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

如果显示的是AMD显卡…(战术沉默)建议直接跳到CPU安装章节(小声)

2. 驱动版本够骚吗?(驱动检测)

右键桌面空白处👉NVIDIA控制面板👉帮助👉系统信息

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

重点看这里:

  • 驱动程序版本:必须≥511.65(2022年后版本)
  • CUDA版本:这个显示的是驱动支持的最高CUDA版本(后面要考!)

3. 你的Python是正品吗?(环境检测)

打开cmd输入:

python --version
conda --version # 如果用conda的话

推荐配置:

  • Python 3.8-3.10(3.11容易出幺蛾子)
  • Conda ≥4.12(别再用祖传conda了!)

二、三步极速安装法(官方推荐)

第一步:打开魔法官网

访问pytorch.org,看到这个选择器了吗?这是官方钦定的安装神器!

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

第二步:按图索骥

按照你的环境选择:

  1. PyTorch版本:选Stable(除非你想当小白鼠)
  2. 操作系统:Windows/Linux/macOS(注意:macOS从PyTorch 1.12开始支持M1/M2 GPU)
  3. 包管理器:强推Conda!(后面解释为什么)
  4. 语言:Python
  5. CUDA:选≤驱动支持的版本(前面查过的那个数)

第三步:复制咒语

比如我的选择生成的是:

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

(重点来了!)不要直接运行!先在conda里创建新环境:

conda create -n torch_gpu python=3.9
conda activate torch_gpu

三、验证安装的骚操作

基础验证(新手必做)

import torch
print(torch.cuda.is_available()) # 输出True才算成功
print(torch.rand(5,5).cuda()) # 看最后显示device='cuda:0'

高阶验证(老司机专享)

# 查看显卡健康状态
print(torch.cuda.get_device_name(0)) # 显卡型号
print(torch.cuda.memory_allocated()) # 已用显存
print(torch.cuda.memory_reserved()) # 预留显存

# 跑个矩阵计算试试
x = torch.randn(10000, 10000).cuda()
y = torch.randn(10000, 10000).cuda()
%timeit torch.matmul(x, y) # 看时间是否明显快于CPU

四、常见翻车现场急救包

场景1:CUDA版本不匹配

症状:AssertionError: The NVIDIA driver on your system is too old.

解法:

  1. 升级显卡驱动(去官网下最新版)
  2. 或者安装更低CUDA版本的PyTorch

场景2:DLL加载失败

症状:ImportError: DLL load failed while importing _C

绝杀方案:

  1. 卸载所有PyTorch相关包
    2 安装VC++ 2019运行时库
  2. 用pip安装而不是conda

场景3:显存不足

症状:CUDA out of memory

玄学三连:

torch.cuda.empty_cache() # 清缓存
kill -9 PID # 重启进程
换小batch_size # 最后的倔强

五、灵魂彩蛋:显卡监控大法

推荐这个诊断套餐:

watch -n 1 nvidia-smi # 实时监控显存
pip install gpustat # 更美观的监控

试试在训练时运行这些命令,你会看到显卡从躺平到暴走的全过程!(相信我,超解压)


结语:给初学者的忠告

最近帮学弟调试环境时发现,很多人卡在驱动版本这种低级问题上。记住这个万能口诀:

驱动新 → CUDA版本对 → PyTorch版本配 → 环境隔离做 → 天下太平!

遇到问题别急着重装系统,先到PyTorch论坛搜报错信息。最后说句大实话:能用conda就别用pip,能官方渠道就别信野教程!(血泪教训)

GPU版pytorch详细安装过程与避坑 GPU版pytorch详细安装过程与避坑 前言:安装gpu版的pytorch真的有无数多的坑,本人也是个小白,经过一顿折腾之后终于成功安装好了。下面提供两个安装pytorch-gpu版比较有参考意义的两个链接地址,之所以写本篇文章,是针对以下两篇文章不够细致之处做一些额外的补充说明,给大家避坑,希望大家能够成功安装。 说明 提供了两篇安装参考文章,本文不在大量文字详细描述。 安装GPU-pytorch版只需注意显卡型号、CUDA、CUDNN、pytorch、torchvision、python版本型号的对 阅读详情

相关推荐

Win10系统安装GPU版PyTorch

准备工作 1.安装VS2017_Community 2.安装CUDA10.0 3.安装cuDNN 具体安装方法已在上一篇博文中介绍:Win10系统安装CUDA10.0和cuDNN 接下来介绍如何安装GPU支持的PyTorch PyTorch安装 PyTorch的安装方式有conda和pip两种,因为在之前的博客中Python入门之环境配置与IDE安装已经安装Anaconda3,故本文...

SpadgerZ的博客 1万+

Cuda 和 GPU版torch安装最全攻略,以及在GPU 上运行 torch代码

安装cudnn,下载cudatoolkit,GPU torch安装及常用指令

weixin_46833029的博客 3万+

Nvidia GTX 3090用户必看:Pytorch GPU版安装避坑指南(含CUDA版本选择)

本文为Nvidia GTX 3090用户提供详细的Pytorch GPU版安装指南,涵盖CUDA版本选择、驱动更新、虚拟环境配置及常见问题排查。特别针对Ampere架构显卡优化,推荐稳定的CUDA 11.7与Pytorch 1.13.0组合,帮助用户高效完成深度学习环境搭建并充分发挥GTX 3090性能优势。

u8v9w0x1y的博客 711

使用GPU版本的torch

1.我是不知道安装torch到底需不需要安装CNDA和CUDNN的,我是按照其他文章所说,才下载的 CNDA和CUDNN。通过一些视频展示,下载GPU版本的torch是包含了CNDA组件的,所以我觉得可能不需要下载CNDA和CUDNN,直接下载GPU版本的torch。2.确保自己电脑有GPU。

Jieyi_的博客 8563

win10/11下wsl2安装gpu版的pytorch(避坑指南)

wsl下安装gpu版本的pytorch,是教程也是避坑指南~欢迎留言问问题

zqm_0015的博客 5459

现控报告-- 分析倒立摆系统稳定性、能控性及能观性分析,设计PID控制方案(附matlab)

建立直线一级倒立摆系统的动力学模型,推导该系统的运动方程,求出直线一级倒立摆系统传递函数模型及空间状态方程模型。接着描述了PID控制系统设计原理及PID控制器各校正环节的作用,简要叙述了参数的整定方法。设计了直线一级倒立摆摆杆摆角及小车位置常规单回路控制器,通过Simulink仿真知道常规单回路控制器能控制摆杆摆角,不能控制小车位置。于是设计出了直线一级倒立摆双闭环控制器及基于倒立摆系统的状态空间方程控制器,利用软件进行仿真,仿真结果表明,常规双闭环控制方案和基于状态空间方程加控制方案均能对摆杆摆角及小车位

mengshenglo的博客 4万+

gpu版本torch安装踩坑总结

0.我这次最开始是直接在 anaconda prompt 中下载 torch ,用的下面的 pip 命令,下载的实在是太慢太慢了,每次下载torch 都提示要将近三个小时才能下载下来,但是一般下了一小时就报错了。这个方法我之前就试过,但是之前没成功,报错在这里,不知道这次为啥成功了,而且提示很奇怪,好像和其他博主的都不一样。由于我的服务器那边网络极差,直接用官网指令下载不下来,只能用 .whl 文件下载,最终成功了。3.conda版本太低了4.10.3,更新到了22.9.0,继续下载,还是报错。

江湖偌大的博客 1万+

Windows 11下manage-bde命令实战:BitLocker锁了别慌,手把手教你用命令行找回数据

本文详细介绍了在Windows 11系统下使用manage-bde命令解锁BitLocker加密驱动器的实战方法。通过命令行诊断、恢复密钥获取、解锁流程演示及高级故障排除,帮助用户在系统锁定后快速找回数据,特别适合IT技术人员和遇到紧急情况的用户。

weixin_30902251的博客 334

torch使用gpu的环境配置

简介     gpu(图形处理器),全称Graphics Processing Unit。GPU虽然只能做简单的运算,但其核心数多以及应用并行运算,非常适合矩阵运算。CPU单核运算能力强大,但也比不过GPU的上千个核心的运算能力。深度学习的模型训练,运用的是矩阵运算,因此,GPU天生适合神经网络的数据处理。 放cpu和gpu训练时的表现,就可以看到gpu的魅力所在了 cpu gpu Pytorch(torch)使用GPU的配置 1. 查看cuda版本 nvidia-smi 2. 驱动下载 htt

无垠宇宙 1万+

手把手教你复现IEEE 2025高光谱图像盲超分算法DBSR(附开源代码与避坑指南)

本文详细介绍了如何从零复现IEEE 2025高光谱图像盲超分算法DBSR,包括环境配置、数据预处理、核心模块解析、训练策略及常见问题解决方案。特别针对开源代码中的关键步骤和潜在问题提供了实用指南,帮助研究者和开发者高效实现Deep blind super-resolution技术,适用于遥感、医疗等领域的图像增强应用。

weixin_42524708的博客 416

AUTOSAR/汽车行业

AUTOSAR架构及汽车产业链相关介绍

m0_54254513的博客 1万+

PyTorch GPU版安装终极指南(避坑大全)

安装GPU版PyTorch就像拼乐高,版本对齐是核心!建议新手直接使用conda安装,虽然下载慢但能避开90%的依赖问题。如果遇到玄学问题,记住三板斧:更新驱动→重装CUDA→新建虚拟环境。一看驱动二看版,三查环境四验张量!祝大家都能一次点亮CUDA!

2501_91408482的博客 3683

目前最新NIST随机数测试软件下载、安装、及使用教程

最近由于科研需要,在搞一些随机数的测试的事情,众所周知 随机数测试我们可以使用NIST的软件进行多大15项的随机测试,我也在网上查找了很多大牛的博客,但是都是年代久远,很多的链接现在都是物是人非,都是不能直接使用了,今天顺便抽点时间更新一下这个NIST软件的下载及使用。我们首先讲一下该软件的下载:1.我们直接取NIST的官网(https://csrc.nist.gov/)下载即可 ;链接如下:下载...

Miracle.Zhao的博客 3万+

PyTorch GPU版终极安装指南:避坑大全+性能优化秘籍

刚入门深度学习的同学十个有九个都卡在环境安装上(别问我怎么知道的)。本文结合我帮实验室20+同学配置环境的血泪经验,手把手教你从零搭建PyTorch GPU环境。文末还有性能翻倍的优化秘籍,看到就是赚到!

xiaolukanshijie的博客 902

PHP服务端 苹果支付(IAP)处理

公司做的app需要做IAP订阅支付,开始觉得和微信的支付流程差不多,做起来还是有点麻烦,主要是网上的文章很少,不能拿来主义。自己做完总结一下,希望对小伙伴们有帮助我就很欣慰了。代码写的不好 不要喷我。。。 首先讲一下我的业务逻辑,也就是php服务端需要做什么事情。 先上图: 下面我详细的讲一下每...

山水的博客 1万+

微信小程序 - 最新详细实现调起手机摄像头拍摄身份证人像面和国徽面取景框功能,在拍照相机上增加身份证证件照的轮廓或自定义文字,支持替换扫描拍摄辅助线图片及文本,小程序实现拍照身份证时带取景轮廓框拍摄!

微信小程序,身份证,证件照,人像,证件照提示框模板,vue身份证拍照框,摄像机相机里有引导内容,取景框拍摄,微信小程序实现拍照界面自定义实现,自拍人相框拍摄,取景框,户口簿取景框,画布指定区域生成图片,微信小程序身份证正反面拍照如何加入辅助图片引导照片,身份证取景框拍摄,服务器,上传,正反面,调起手机摄像头: 拍摄身份证的正反面,自定义身份证取景框,在相机上绘制 “身份证轮廓“ 与提示文字,拍摄身份证时出现人像框怎么实现,在相机上增加图片和文字,微信小程序怎么给调起的相机加入自定义图片,小程序实现给相机上面

🏆 前端领域优质创作者 3410

PyTorch GPU版安装避坑指南(血泪经验总结!!!)

我敢说在座的各位至少有三成掉进过CUDA版本的地狱,五成被conda环境坑到怀疑人生(别问我怎么知道的)…先扔个结论:PyTorch官方文档的安装命令都是骗!(不是说官方不靠谱,是咱们的硬件环境太妖孽)接下来带你手撕显卡驱动/CUDA/cuDNN的版本匹配难题,文末附赠"祖传"诊断脚本~最后说句掏心窝子的话:装GPU版PyTorch就像谈恋爱,需要耐心磨合(还有亿点点运气)。2023年血的教训:RTX40系显卡如果用525驱动,直接黑屏没商量!的输出才算数(千万别信设备管理器里的显示适配器!

psgogogo2025的博客 820

海康visionmaster开发笔记10-集成HALCON第三方算子到VM工具箱的方法

海康visionmaster开发笔记10-HALCON第三方算子到VM工具箱的方法

视觉人机器视觉的博客 4350

PyTorch GPU版安装避坑指南(2024最新实测)

上周帮学弟配环境,结果他的RTX 3060显卡压根不支持CUDA 11.8,白折腾3小时…虽然苹果从M1开始不支持N卡,但实测M2 Ultra跑PyTorch-MPS速度提升40%!(注:本文测试环境为Windows11+RTX 3060+Python3.9,其他系统/显卡请灵活调整版本号)遇到问题别害羞,把完整的报错信息+配置截图发到GitHub Issues,大佬们都很乐意帮忙~举个栗子🌰:你的显卡支持CUDA 11.6,却非要装CUDA 12.1?表示CUDA 11.8,数字要根据实际情况改!

psgogogo2025的博客 1223

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

PyTorch GPU版安装避坑指南(血泪经验分享)

我的数据预处理够高效吗?(别让CPU成瓶颈)真的需要这么大的batch_size吗?有没有尝试过梯度累积这种骚操作?记住,GPU不是万能药!上次我帮人优化代码,光是改了个数据加载方式,速度就提升了10倍…(手动狗头)祝大家都能让显卡火力全开!遇到坑别慌,多Google多问(但千万别去某度!

xiaobindeshijie7的博客 1106

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

Windows 10系统在Anaconda下安装GPU版Pytorch

在此之前默认Anaconda,CUDA, cuDNN 已安装好了。CUDA, cuDNN 下载对应版本安装。 我的环境为:win10+Anaconda+python3.6+cuda10.0 1、打开anaconda prompt 命令行输入:conda create --name pytorch_gpu python=3.6 python_gpu为anaconda下虚拟环境名称,可自定义,pyt...

开开_王子的博客 2万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Win11安装 Pytorch-GPU/Anaconda 干货避坑指南

pytorcha安装,anaconda踩坑记录

Fine的优快云博客 3万+

pytorch cpu版和gpu版国内镜像下载,目前最快下载

pytorch的cpu的包可以在国内镜像上下载,但是gpu版的包只能通过国外镜像下载,网上查了很多教程,基本都是手动从先将gpu版whl包下载下来,然后再手动安装,如何最快的通过pip的命令安装呢?下面我细细讲下。

YY007H的博客 7万+

PyTorch GPU版安装避坑指南(血泪经验总结)

安装过程虽然折腾,但当你第一次看到显示出显卡型号时,那种成就感真的爆棚!记得我第一次成功时,激动得差点把咖啡洒在键盘上(然后突然想到——等等,我的模型还没写呢!

binbinaijishu88的博客 994

pytorch,torch,torchvision的gpu版本安装避坑

pytorch,torch,torchvision的gpu版本安装避坑在线or离线安装pytorchtorch和torchvision 在线or离线安装 最近使用pytorch跑深度学习模型,需要用到与gpu相对应的包,写此博文,提醒后来者避避坑 pytorch 本次使用python3.6(conda环境),一般conda环境可以创建多个Python版本,互不干扰,比单一Python要好用,在pycharm上添加pytorch库。 点击左下方 + ,进去页面输入pytorch,安装对应的版本 torch和

weixin_46415031的博客 1万+

GPU版PyTorch安装、GPU版TensorFlow安装(详细教程)

本文详细介绍了如何安装使用GPU版PyTorch、GPU版TensorFlow。意义重大,特别是在进行深度学习、机器学习和其他需要大量数值计算的任务时。

qq_62928482的博客 6366
上一篇: VMware虚拟机安装Ubuntu保姆级教程(2024最新版)
下一篇: 手把手教你用sqlmap玩转SQL注入测试(实战经验分享)
普通网友
博客等级 码龄2年 143粉丝 39原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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