torch(gpu)+cudn9.0+win10搭建环境

torch(gpu)+cudn9.0+win10搭建环境@TOC

torch(gpu)+cudn9.0+win10搭建环境

笔者的电脑有点拉,装不了太好的环境,但我还是装了一个高版本的cpu版本和一个低版本的gpu版
注:
1.我是用anaconda搭建虚拟环境的,这里不会说怎么装anaconda,不过网上一堆,出门左转百度
2.为什么装高版本cpu,主要是我发现在一些低复杂的网络上,反而高版本的cpu比低版本的gpu运行快,所以就装了(我估计是因为数据在gpu与cpu之间的传输导致的瓶颈)

显卡及评分

先查看自己是什么显卡,再去Nvidia 的官网看看你自己的驱动
查看步骤 设备管理器->显示适配器 就能查看了

驱动官网链接:https://www.nvidia.cn/Download/index.aspx?lang=cn
值得注意的是,驱动安装不需要图下, 不然会报错:

cudnn

这玩意就是搞计算的对接,不装就跑不了
这是链接(cudn+cudnn):
链接：https://pan.baidu.com/s/1iP1lifw0ed52r1jKHcKkEA
提取码：x709
下载完得到一个压缩包，解压后有三个文件夹，复制到对应CUDA的同名文件夹内即可

torch(gpu)

这是pytorch的官网:https://pytorch.org/get-started/previous-versions/
咱们要找9.0版本的,如图直接在你环境里输入

conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c pytorch`

等下载完就行了

测试

import torch
def try_gpu(i=0):  #@save
    """如果存在，则返回gpu(i)，否则返回cpu()"""
    if torch.cuda.device_count() >= i + 1:
        return torch.device(f'cuda:{i}')
    return torch.device('cpu')

def try_all_gpus():  #@save
    """返回所有可用的GPU，如果没有GPU，则返回[cpu(),]"""
    devices = [torch.device(f'cuda:{i}')
             for i in range(torch.cuda.device_count())]
    return devices if devices else [torch.device('cpu')]

print(try_gpu(), try_all_gpus())

结果:
安装成功