pytorch -gpu 环境配置

网上有许多pytorch -gpu环境配置的方法,我结合了许多篇文章自己成功安装并把完整的安装过程记录下来,大家可以参考一下在这里插入图片描述
首先打开NVIDIA控制面板:搜索NViDIA即可出现
pytorch -gpu 环境配置_第1张图片
进入NVIDIA控制面板后点击系统信息:
pytorch -gpu 环境配置_第2张图片

.csdnimg.cn/3229a7fe8d3042b0b16830642bde0f11.png)

pytorch -gpu 环境配置_第3张图片pytorch -gpu 环境配置_第4张图片

我的驱动版本支持CUDA 11.6
NVIDIA官网下载CUDA(是NVIDIA推出的用于自家GPU的并行计算框架,CUDA只能在NVIDIA的GPU上运行,):
pytorch -gpu 环境配置_第5张图片

选择对应版本

pytorch -gpu 环境配置_第6张图片
pytorch -gpu 环境配置_第7张图片

pytorch -gpu 环境配置_第8张图片pytorch -gpu 环境配置_第9张图片

接下来下载cuDNN(是NVIDIA打造的针对深度神经网络的加速库,不是必须,但一般会采用)

pytorch -gpu 环境配置_第10张图片

选择对应版本:
pytorch -gpu 环境配置_第11张图片

两个东西下好后:
在这里插入图片描述在这里插入图片描述

运行cuda的那个exe文件安装cuda:
pytorch -gpu 环境配置_第12张图片pytorch -gpu 环境配置_第13张图片
pytorch -gpu 环境配置_第14张图片

如果当前版本比新版本要大,那么就取消打勾
如果当前版本比新版本要小或者等于,那么勾选上
pytorch -gpu 环境配置_第15张图片pytorch -gpu 环境配置_第16张图片pytorch -gpu 环境配置_第17张图片
pytorch -gpu 环境配置_第18张图片
pytorch -gpu 环境配置_第19张图片
pytorch -gpu 环境配置_第20张图片

之后进入Dos命令行:
pytorch -gpu 环境配置_第21张图片

若有版本信息则安装成功

接下来是cudnn的安装,严格来说不是安装,就是复制粘贴
在这里插入图片描述

重命名为cudnn
在这里插入图片描述

接下来复制到
pytorch -gpu 环境配置_第22张图片

cudnn就安装成功了

接下来配置环境变量:
此电脑->右键属性->高级系统设置->高级->环境变量
pytorch -gpu 环境配置_第23张图片

Path路径双击打开
pytorch -gpu 环境配置_第24张图片

可能已经自动配置好了一个环境变量,即上图中的CUDA\v11.6\bin,若没有也可以自己配置。
还有一个环境变量需要配置,如下:
pytorch -gpu 环境配置_第25张图片

这个路径也要加到环境变量中:
pytorch -gpu 环境配置_第26张图片

复制上面的路径,填入:
pytorch -gpu 环境配置_第27张图片

配置好这两个环境变量后,下面是安装pytorch:
首先在conda中新建环境:
首先可以查看自己的python版本:
Win+R,打开cmd,输入python:
在这里插入图片描述

再进入Anaconda Prompt(这个需要先下载Anaconda)
输入:conda create -n pytorchgpu python=3.8
在这里插入图片描述

之后弹出提示,输入y,即可安装,
安装成功后,输入:
pytorch -gpu 环境配置_第28张图片

查看环境,之后激活pytorchgpu环境:
pytorch -gpu 环境配置_第29张图片

接下来安装pytorch:
进入pytorch官网(pytorch.org)选择对应安装命令:
pytorch -gpu 环境配置_第30张图片

复制下来在激活的pytorchgpu环境中运行:
这是运行过程
pytorch -gpu 环境配置_第31张图片

结束:
在这里插入图片描述

验证:
pytorch -gpu 环境配置_第32张图片
到此就结束了
如果不放心可以再使用下面命令验证一下:
pytorch -gpu 环境配置_第33张图片

你可能感兴趣的:(pytorch,深度学习,python)