1.cuda11.2.2
2.cudnn11.x
3.vs2017
4.Python>=3.6
Visual Studio历史版本地址https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/
CUDA历史版本地址https://developer.nvidia.com/cuda-toolkit-archive
cuDNN历史版本地址https://developer.nvidia.com/rdp/cudnn-archive
PyTorch历史版本和适配地址https://pytorch.org/get-started/previous-versions/
注意:先上PyTorch官网找适配的CUDA版本再去下载CUDA,否则会出现不适配的情况,PyTorch安装推荐用pip安装,用conda安装后用不了CUDA(没用镜像),估计给我下的版本是CPU版本的
Visual Studio的安装上官网下载vs2019,安装的时候注意选择安装C++桌面开发,不安装vs2019CUDA安装不成功,不要安装vs2022,CUDA还没进行适配
CUDA的安装从CUDA官网下载exe文件
点开选择解压目录(随便选,安装完后会自动删除)
选择要安装的东西,我只安装了CUDA,其他三项版本都比他这个高,不需要安装
然后选择三个目录,安装就行
cuDNN的安装从cuDNN官网下载适配CUDA的版本,然后解压丢到之前CUDA的Development的安装目录里面(合并)
CUDA和cuDNN安装的验证cmd输入nvcc -V,有如下信息
nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2021 NVIDIA Corporation Built on Sun_Feb_14_22:08:44_Pacific_Standard_Time_2021 Cuda compilation tools, release 11.2, V11.2.152 Build cuda_11.2.r11.2/compiler.29618528_0
cmd运行Development目录下extrasdemo_suite中的deviceQuery.exe和bandwidthTest.exe
最后有PASS就算成功
PyTorch的安装官网要求PyTorch1.6.0以上的python版本都要>=3.6
我安装的是Python3.9.7
官网没给CUDA11.2的版本(这就是为啥先要找PyTorch再去找CUDA),就只能试一下对应CUDA11.1的Pytorch,我验证了下没啥问题(难道向下兼容吗)
官网中找到对应的CUDA版本号的pip安装指令,不知道为啥conda的指令装的是CPU版本的,很怪
pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.htmlPyTorch使用CUDA的验证
import torch # 返回当前设备索引 print(torch.cuda.current_device()) # 返回GPU的数量 print(torch.cuda.device_count()) # 返回gpu名字,设备索引默认从0开始 print(torch.cuda.get_device_name(0)) # cuda是否可用,为true就可用了 print(torch.cuda.is_available()) #查看cudnn版本 print(torch.backends.cudnn.version()) #查看torch版本 print(torch.__version__)
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)