目的:用anaconda安装pytorch
首先需要知道用Anaconda 安装 Pytorch时,anaconda会自动为用户安装 cudatoolkit,只要版本合适,则可正常运行,并且每一个pytorch也会携带与CUDA合适的cudnn。因此不需要自己提前手动安装CUDA和cudnn。但是关于GPU CUDA cudnn之间的关系之前总是梳理不清,因此本文章从梳理GPU CUDA cudnn之间的关系和在anaconda下安装pytorch两大部分进行展开。
详细目录如下:
目录
一、基础知识:GPU CUDA cudnn之间的关系
二、anaconda下安装pytorch
2.1 查看你电脑的驱动程序的版本
2.2 查看CUDA TOOLkit和电脑驱动对应表
2.3 用Anaconda安装Pytorch
Start Locally | PyTorch
2.4 pytorch安装后,进行验证GPU是否可用
该部分梳理总结子博客:
显卡,显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn到底是什么? - 知乎
注意:在安装CUDA,cudnn的时候一定要注意安装的DUDA版本一定适配自己电脑的驱动版本,cudnn版本一定要适配CUDA版本。
具体如何手动安装CUDA和cudnn我再之前一篇帖子上想了详细步骤,指路:
安装CPU版本的tensorflow+CUDA+CUDNN(超详细)_m0_46093829的博客-CSDN博客
今天的目的是如何使用Anconda安装pytorch,所以回到正题
再赘述一次:利用Anaconda 安装 Pytorch时,anaconda会自动为用户安装 cudatoolkit,只要版本合适,则可正常运行,并且每一个pytorch也会携带与CUDA合适的cudnn。因此不需要自己提前手动安装CUDA和cudnn。
那所谓版本合适:还是cuda的版本和自己的电脑驱动版本匹配。口说无凭,我们走一下具体过程
方法:在桌面空白处单击右键,打开英伟达控制面板,如果找不到可以参考如下网址 win10 nvidia控制面板怎么打开,win10 nvidia控制面板开启步骤-大白菜u盘启动 (dabaicai.com)
方法: Release Notes :: CUDA Toolkit Documentation
那可以看到我的显卡版本是471.41,因此我可以下载CUDA11.4 update4以下的CUDA Toolkit.
step1: 搭建与激活环境
1)在ANACONDA里创建名为pytorch的环境(你可以叫他任何名字,这里我叫这个环境为pytorch1.7)
conda create -n pytorch1.7 pip python=3.6
这里pip python=3.6的意思是在名为tensorflow的环境里搭建版本是3.6的python。
2)激活环境
conda activate pytorch1.7
(取消激活环境以及删除环境的话用下面这两行代码)
conda deactivate
conda env remove -n pytorch1.7
step2:在刚刚搭建的环境种安装pytorch
这里有2种方法
法1 直接在pytorch种输入与你电脑合适的CUDA版本,然后pytorch会自动为你生成安装最新的合适你电脑的pytorch
法2:自己按需选择合适的Pytorch版本
先来介绍第一种
step1:到pytorch官网,选择与自己电脑合适的CUDA版本
然后最下方的commoand:
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
运行该指令后会提示下载的安装如下安装包:
pytorch版本是1.10.2,CUDA版本是10.2,cudnn版本是7
法2 :进入下方网页自己根据适合自己电脑驱动器的CUDA,选择自己想要安装的pytorch版本
Previous PyTorch Versions | PyTorchPrevious PyTorch Versions | PyTorch
比如我想安装pytorch 1.7,并且我的电脑适合CUDA11.4 update4以下的CUDA Toolkit,因此我可以根据该网页,安装CUDA10.2对应的pytorch
指令安装指令就是上述的
conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=10.2 -c pytorch
>>> import torch
# 查看torch版本
>>> torch.__version__
'1.2.0'
>>> import torchvision
# 查看torchvision版本
>>> torchvision.__version__
'0.4.0'
# 查看gpu是否可用
>>> torch.cuda.is_available()
True
# 查看gpu是个数
>>> torch.cuda.device_count()
1
# 查看当前gpu
>>> torch.cuda.current_device()
0
# 查看gpu设备名称
>>> torch.cuda.get_device_name(0)
'GeForce GTX 1650'
我在使用法2安装pytorch之后,依次输入上述指令结果显示如下
感谢博主:
pytorch安装后,进行验证GPU是否可用_陨星落云的博客-CSDN博客_验证pytorch能用gpu