PyTorch碎片:PyToch和Torchvision对应版本

前言

  • 错误分析
  1. 安装pytorch或torchvision时,无法找到对应版本
  2. cuda可以找到,但是无法转为.cuda()
  • 以上两种或类似错误,一般由两个原因可供分析:
  1. cuda版本不合适,重新安装cuda和cudnn
  2. pytorch和torchvision版本没对应上

pytorch和torchvision版本对应关系

pytorch torchvision python cuda
1.5.1 0.6.1 >=3.6 9.2, 10.1,10.2
1.5.0 0.6.0 >=3.6 9.2, 10.1,10.2
1.4.0 0.5.0 ==2.7, >=3.5, <=3.8 9.2, 10.0
1.3.1 0.4.2 ==2.7, >=3.5, <=3.7 9.2, 10.0
1.3.0 0.4.1 ==2.7, >=3.5, <=3.7 9.2, 10.0
1.2.0 0.4.0 ==2.7, >=3.5, <=3.7 9.2, 10.0
1.1.0 0.3.0 ==2.7, >=3.5, <=3.7 9.0, 10.0
<1.0.1 0.2.2 ==2.7, >=3.5, <=3.7 9.0, 10.0

conda安装方法

根据pytorch官网方法安装,参考

https://pytorch.org/get-started

PyTorch碎片:PyToch和Torchvision对应版本_第1张图片

上面命令为安装最新的版本,为了能够应对各种不同硬件条件,常需要手动输入命令安装特定版本,可参考如下代码

# 安装pytorch==1.x.0  torchvision==0.x.0 cudatoolkit=10.x
conda install pytorch==1.x.0 torchvision==0.x.0 cudatoolkit=10.x -c pytorch

比如,举个更具体地例子:

# CUDA 9.2
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2 -c pytorch

# CUDA 10.0
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch

# CPU Only
conda install pytorch==1.2.0 torchvision==0.4.0 cpuonly -c pytorch

后话

其实,环境中各版本对应关系出错,很容易导致各种乱七八糟地错误,所以尽量按照官方的要求安装。

你可能感兴趣的:(PyTorch碎片,深度学习,pytorch,版本对应,cuda错误)