做网页兼职网站,戚墅堰做网站,没有域名装wordpress,微网站二级页面怎么做文章目录 1、查看GPU的CUDA版本2、下载CUDA版本3、安装cuDNN4、配置CUDA环境变量5、安装配置Anaconda6、使用Anaconda7、pycharm导入虚拟环境8、安装带GPU的PyTorch⭐9、总结 #x1f343;作者介绍#xff1a;双非本科大三网络工程专业在读#xff0c;阿里云专家博主#x… 文章目录 1、查看GPU的CUDA版本2、下载CUDA版本3、安装cuDNN4、配置CUDA环境变量5、安装配置Anaconda6、使用Anaconda7、pycharm导入虚拟环境8、安装带GPU的PyTorch⭐9、总结 作者介绍双非本科大三网络工程专业在读阿里云专家博主专注于Java领域学习擅长web应用开发、数据结构和算法初步涉猎人工智能和前端开发。 个人主页逐梦苍穹 所属专栏人工智能 gitee地址xzl的人工智能代码仓库 ✈ 您的一键三连是我创作的最大动力 1、查看GPU的CUDA版本
桌面右键-NVIDIA控制面板-帮助-系统信息-组件 可以看到我这里的CUDA版本是11.8这里也推荐是11.8后续会再提到
2、下载CUDA版本 英伟达官网https://developer.nvidia.com/cuda-toolkit-archive 到英伟达官网下载对应的CUDA版本我下载的版本是CUDA11.8.0 安装CUDA双击执行下载的exe文件会先解压文件到临时目录不是安装目录保持默认即可 5. 安装过程选择自定义 取消勾选 Visual Studio Integration 建议默认安装在C盘 。
3、安装cuDNN 英伟达官网https://developer.nvidia.com/cudnn 到英伟达官网下载与CUDA对应的cuDNN 下载解压缩之后将CUDNN文件夹里面的bin、include、lib文件夹里面的文件直接复制到CUDA的对应的安装目录下 !
4、配置CUDA环境变量
在path中添加如下路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp 在终端输入nvcc -V
5、安装配置Anaconda 清华镜像站https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?CMOD 下载完成之后正常下一步即可。这里写几个需要注意的点 ①这里可以先不用选Add sys path只勾选Register。环境变量自己配置。 最后两项都不需要选点击Finish 可以看到安装后除了Anaconda默认还带了Jupyter、Spyder等 配置环境变量 如果你是默认安装的那你的配置路径就是 检查是否配置成功 在cmd配置国内镜像源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ 6、使用Anaconda
打开Anaconda Navigator 启动完成 这里是管理环境的 conda常用命令 https://docs.conda.io/projects/conda/en/latest/commands/index.html
7、pycharm导入虚拟环境 8、安装带GPU的PyTorch⭐
在cmd中记得用管理员身份打开cmd
conda install pytorch torchvision torchaudio pytorch-cuda11.8 -c pytorch -c nvidiaconda install pytorch torchvision torchaudio cudatoolkit11.8 -c pytorch
测试安装是否成功以及能否正常使用GPU
print(PyTorch版本: , torch.__version__) # 打印PyTorch版本
print(torchvision版本 , torchvision.__version__) # 打印torchvision版本
print(CUDA是否可用: , torch.cuda.is_available()) # 检查CUDA是否可用检查自己电脑的CUDA设备
# -*- coding: utf-8 -*-
# Author: CSDN逐梦苍穹
# Time: 2024/7/16 7:51
import torchif torch.cuda.is_available():num_cuda_devices torch.cuda.device_count()print(fNumber of CUDA devices: {num_cuda_devices})for i in range(num_cuda_devices):print(fCUDA Device {i}: {torch.cuda.get_device_name(i)})
else:print(No CUDA devices available.)9、总结
此次问题折腾了很久其中的关键就是电脑的CUDA版本和pytorch-cuda、cudatoolkit的版本必须一致
