ubuntu18 安装pytorch(cuda11.0)
按步骤:
1. 到pytorch官网选择一个想装的版本,查看将自动安装的cuda toolkit版本.
2.去nvidia官网下载对应cuda. (runfile 本地安装好点.) 我们说的cuda就是cuda toolkit,只是nvidia官网的cuda toolkit与conda装pytorch时自动装的cuda toolkit不一样. 官网下载包含多一些,比如显卡驱动nvidia driver, 啥samples,demo,这些如果是做深度学习研究不一定用得到,建议直接:
a. nvidia-smi: 查看显卡驱动版本,因为装pytorch会自动装cuda,所以我们还需要确定显卡驱动是否与待装cuda版本对应:
b.去pytorch官网复制conda安装命令(不是pip),去终端虚拟环境中安装.
| CUDA Toolkit | Linux x86_64 Driver Version | Windows x86_64 Driver Version |
|---|---|---|
| CUDA 11.1.1 Update 1 | >=455.32 | >=456.81 |
| CUDA 11.1 GA | >=455.23 | >=456.38 |
| CUDA 11.0.3 Update 1 | >= 450.51.06 | >= 451.82 |
| CUDA 11.0.2 GA | >= 450.51.05 | >= 451.48 |
| CUDA 11.0.1 RC | >= 450.36.06 | >= 451.22 |
| CUDA 10.2.89 | >= 440.33 | >= 441.22 |
| CUDA 10.1 (10.1.105 general release, and updates) | >= 418.39 | >= 418.96 |
| CUDA 10.0.130 | >= 410.48 | >= 411.31 |
| CUDA 9.2 (9.2.148 Update 1) | >= 396.37 | >= 398.26 |
| CUDA 9.2 (9.2.88) | >= 396.26 | >= 397.44 |
| CUDA 9.1 (9.1.85) | >= 390.46 | >= 391.29 |
| CUDA 9.0 (9.0.76) | >= 384.81 | >= 385.54 |
| CUDA 8.0 (8.0.61 GA2) | >= 375.26 | >= 376.51 |
| CUDA 8.0 (8.0.44) | >= 367.48 | >= 369.30 |
| CUDA 7.5 (7.5.16) | >= 352.31 | >= 353.66 |
| CUDA 7.0 (7.0.28) | >= 346.46 | >= 347.62 |
我的理解:虚拟环境中装pytorch时自动装的cuda在这个环境运行代码时会优先被调用(调用来使用显卡驱动),然后再是环境变量. 所以外部的cuda(在/usr/local/中),不会影响这个虚拟环境,被绕过了.
如果有特殊需要,要求必须在官网下载安装cuda(2GB+)的,可以看下面:
1.安装官网下的cuda (如果之前没装显卡驱动的话,安装cuda时可选一起装,以前装过就不勾选一起装),装完配置环境变量
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.0/lib64
export PATH=$PATH:/usr/local/cuda-11.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.0
注:环境变量中写cuda对应版本,这几个变量中的'cuda-11.0'可替换为'cuda',然后在/usr/local/目录下给软链接cuda赋值,这样就方便安装多个cuda
2.装 pytorch:去官网复制对应命令,在终端粘贴 安装
多版本cuda共存,安装多个版本pytorch时用到:
原理:
做法: