【深度学习】不同虚拟环境安装不同Pytorch版本

不同虚拟环境安装不同Pytorch-GPU版本

  • 步骤
      • step1: 打开Pytorch官网,复制指令
      • step2: 检查cudnn是否安装
      • step3: 选择合适的cudnn版本进行安装
      • step4: 测试代码

在成功安装Anaconda的基础上,执行以下操作:

步骤

step1: 打开Pytorch官网,复制指令

Pytorch官网
选择复制红框内指令,在prompt命令窗口右击以复制,并回车执行
【深度学习】不同虚拟环境安装不同Pytorch版本_第1张图片

【深度学习】不同虚拟环境安装不同Pytorch版本_第2张图片

step2: 检查cudnn是否安装

【深度学习】不同虚拟环境安装不同Pytorch版本_第3张图片
若已安装,请直接跳至step4进行测试即可.

但一般情况下都未安装,使用conda search cudnn查询可安装的cudnn版本

【深度学习】不同虚拟环境安装不同Pytorch版本_第4张图片

可使用conda search cudnn==8.2.1 --info查询特定版本的cudnn需要的cudatoolkit的版本要求:
【深度学习】不同虚拟环境安装不同Pytorch版本_第5张图片
*也可在https://developer.nvidia.com/rdp/cudnn-archive查看,此处不讲。

step3: 选择合适的cudnn版本进行安装

【深度学习】不同虚拟环境安装不同Pytorch版本_第6张图片

step4: 测试代码

import torch
print(torch.cuda.current_device())   # 返回当前设备索引
print(torch.cuda.device_count())    # 返回GPU的数量
print(torch.cuda.get_device_name(0))   # 返回gpu名字,设备索引默认从0开始
print(torch.cuda.is_available())   # cuda是否可用
print(torch.version.cuda)  # cuda版本

正常结果类似以下截图:
【深度学习】不同虚拟环境安装不同Pytorch版本_第7张图片

你可能感兴趣的:(深度学习,深度学习,pytorch,python)