Win11-GTX3060-配置Pytorch GPU

Win11-GTX3060-配置Pytorch GPU,第1张

所需清单
1. 电脑配置:windows11/10 *** 作系统,GTX3060显卡
2. CUDA 11.3
3. cuDNN 11.x
4. Anaconda
5. 镜像源安装Pytorch
6. JupyterNotebook测试程序

1.安装CUDA11.3
登录英伟达官网找到CUDA11.3下载链接并下载安装CUDA 11.3版本

注意项:
1.若已经安装过CUDA,先删除掉已安装的CUDA历史版本的整个文件夹
一般默认的CUDA目录位于:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\
2.安装CUDA 11.3时不要勾选CUDA中的Visual Studio Intergration

3.通过win+R输入control system进入系统高级设置->环境变量,查看环境变量是否添加成功
系统变量path中要有
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp

2.安装cuDNN 11.x
同样在英伟达官网中搜索cuDNN[cuDNN下载链接](https://developer.nvidia.com/rdp/cudnn-download)
并下载11.x版本,

将解压后的所有文件复制替换至C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3的同名文件
3.安装Anaconda
具体步骤自行搜索
4.打开Anaconda Prompt安装配置Python与Pytorch环境
具体步骤参考总结配置pytorch GPU环境的两种方法中的三:安装PyTorch
区别在于将最后一句安装命令中的CUDA 10.2版本更换为11.3
5.JupyterNotebook连接Pytorch GPU
重新打开Anaconda Prompt,base环境下输入conda install nb_conda_kernels
再进入配置好的torch环境输入conda install nb_conda
最终输入jupyter notebook运行打开进行测试

import torch
import time
from torch import autograd
#GPU加速
print(torch.__version__)
print(torch.cuda.is_available())
a=torch.randn(10000,1000)
b=torch.randn(1000,10000)
print(a)
print(b)
t0=time.time()
c=torch.matmul(a,b)
t1=time.time()
print(a.device,t1-t0,c.norm(2))
device=torch.device('cuda')
print(device)
a=a.to(device)
b=b.to(device)
t0=time.time()
c=torch.matmul(a,b)
t2=time.time()
print(a.device,t2-t0,c.norm(2))
t0=time.time()
c=torch.matmul(a,b)
t2=time.time()
print(a.device,t2-t0,c.norm(2))
t1=time.time()
print(a.device,t1-t0,c.norm(2))
device=torch.device('cuda')
print(device)
a=a.to(device)
b=b.to(device)
t0=time.time()
c=torch.matmul(a,b)
t2=time.time()
print(a.device,t2-t0,c.norm(2))
t0=time.time()![在这里插入图片描述](https://img-blog.csdnimg.cn/915baca0ee9e43ec9b4d971411fd9659.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA6bmF5q-b5Zyo6Lev5LiK5LqG,size_20,color_FFFFFF,t_70,g_se,x_16)
c=torch.matmul(a,b)
t2=time.time()
print(a.device,t2-t0,c.norm(2))

输出以上结果则安装成功!

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/langs/718334.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-04-25
下一篇 2022-04-25

发表评论

登录后才能评论

评论列表(0条)

保存