DELL M6800 with M4800MQ and K3100m and 24G_RAM
NVIDIA在2020年6月底更新了一批老显卡的驱动,所以K3100m也可以支持CUDA10.1,对应于Pytorch1.51GPU版。
遗留问题: 新版pytorch均不支持旧显卡的GPU运算支持!!!本帖可作为PytorchGPU版的安装指示教程。
推荐:安装PytorchGPU版本,因为GPU版可以当CPU版使用,反之不行!
**
目标:WIN10+Anaconda3(Python3.7)+CUDA10.1+Pytorch1.51+Pychrom2020
注意:相关软件模块的安装检验方法附在文末!
**
a. NVIDIA显卡驱动下载地址:https://www.nvidia.cn/Download/index.aspx?lang=cn
b. NVIDIA显卡驱动(>=426.78)与CUDA版本(10.1)匹配查询地址:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
c. CUDA(10.1)下载地址:https://developer.nvidia.com/cuda-toolkit-archive
d. cuDNN(V7.65)下载地址:https://developer.nvidia.com/rdp/cudnn-download(需要注册一个NVIDIA账户–免费!)
按顺序依次安装:显卡新驱动>>CUDA>>cuDNN(将解压文件夹复制到CUDA安装目录下的同名文件夹即可)!
要点截图:
Anaconda3是一种开源的Python包管理器,用于高效管理Python以及其相关工具包,例如:比如:numpy、pandas等。与Pychrom联用,是我目前使用过最为便捷的管理方案。(已安装的Anaconda3中,带有Python3.7以及部分工具包!)
a. Anaconda3下载地址:https://www.anaconda.com/products/individual
b. Anaconda3安装:常规安装,可根据自己的需求更改安装地址。(本人使用默认!)
c . Anaconda3安装完毕后,进行环境变量设置。
要点截图:
安装途径的两种选择(推荐b方案;a方案的速度极其之慢,超乎你的想象的慢!):
a. 官方地址下载命令地址:https://pytorch.org/get-started/locally/
将上红框内的命令复制至电脑的命令提示符编辑器(cmd,WIN+R>>输入“cmd")
b. 清华镜像下载命令地址:按下列顺序依次输入cmd指定Pytorch资源途径>>安装Pytorch!
指定Pytorch资源途径命令(在cmd中操作,以下命令为依次,连续操作!!!):
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 --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
>>
安装Pytorch命令:
conda install pytorch torchvision cudatoolkit=10.1 (注意:cudatoolkit的版本应一致!)
这里就不配图了!!!
**下面为进入cmd管理员模式的方式(win10),**有网友反映cmd常规模式的安装可能会存在一定几率报错!!!
a. Pychrom下载地址:https://www.jetbrains.com/pycharm/download/#section=windows
如果有使用权限就点击红框内的Download(在校学生可凭学校邮箱申请免费使用!一般立即申请,立即通过!)。若无权限,点击蓝框里面的Download安装!
安装过程:常规安装(注意:在安装即将完成时,勾选”环境变量设置,避免再次设置环境变量!!!)
b. Pychrom关联Anaconda3
安装设置完毕!开心滴玩耍吧!
a. CUDA&cuDNN安装检验:
(cmd编译器 WIN+R>>cmd)
b. cuDNN安装检验:
(cmd编译器 WIN+R>>cmd)
c. Anaconda安装检验:
(cmd编译器 WIN+R>>cmd)
d. pytorch&Pychrom安装检验:
import torch
print(torch.__version__) #输出Pytorch的版本
print(torch.cuda.is_available())