深度学习加速框架onnxruntime-gpu的环境依赖，pytorch转onnx环境，cuda、cudnn、onnxruntime-gpu环境配置

深度学习加速框架onnxruntime-gpu的环境依赖，pytorch转onnx环境，cuda、cudnn、onnxruntime-gpu环境配置

最近遇到2080ti显卡的训练与部署环境，迁移到3090显卡的机子上面，由于30系显卡需要nvidia cuda11版本以上才支持，原先的驱动比较老了只能支持cuda10.2。根据当前的版本情况，本文记录一下pytorch转onnx，用onnxruntime-gpu进行部署的一些版本依赖。

 linux环境、nvidia驱动、cuda、cudnn、pytorch之间的依赖，conda简易安装cuda、cudnn等环境，已在下文中写明：

构建docker环境能够运行自己的GPU服务，能够快速适应不同宿主机的GPU型号、 *** 作系统和驱动。linux版本、nvidia驱动、cuda、cudnn，docker+conda安装深度学习环境_chen10314的博客-CSDN博客

---

 

1. cuda10.1的依赖

cuda版本：10.1.243

cudnn版本：7.6.5

onnxruntime-gpu版本：1.4.0

pytorch版本：1.7.1

这个配置的考虑：onnxruntime-gpu1.4.0支持cuda10.1, 如果不用30系的卡cuda11版本以下可用

 以下附上linux *** 作系统cuda加速推理下的onnxruntime-gpu的版本依赖 ：

CUDA - onnxruntime

简易安装步骤：

conda install cudatoolkit=10.1 cudnn==7.6.5 pytorch==1.7.1 -c pytorch --yes
pip install onnxruntime-gpu==1.4.0

---

2. cuda11.3的依赖

cuda版本：11.3.1

cudnn版本：8.2.1

pytorch版本：1.8.1

onnxruntime-gpu版本：1.9.0

这个配置的考虑：pytorch1.7只能支持到cuda11.0因此升级到1.8，conda的cudnn8.0.4没法直接安装，所以考虑到安装方便采用cuda11.3。这里对宿主机的nvidia驱动版本有要求，下有链接。

简易安装步骤：

conda install cudatoolkit=11.3 cudnn==8.2.1 pytorch==1.8.1 -c pytorch --yes
pip install onnxruntime-gpu==1.9

上面cuda10.1环境下pytorch pt文件转换的onnx文件，大都可在此cuda11.3的onnxruntime-gpu下正常运行。

---

将huggingface transformer构建的bert，转换为onnx且支持batch推理，BERT模型推理时加速，已在下文中写明：

pytorch构建的深度学习模型（pt文件）转换为onnx格式，并支持batch输入，以bert模型为例_chen10314的博客-CSDN博客