Pytorch、Tensorflow安装教程(Windows)

一、查看电脑GPU型号

任务管理器->性能

Pytorch、Tensorflow安装教程(Windows)_第1张图片

二、查看电脑可以安装的cuda版本

Cuda版本根据电脑显卡驱动选择

查看方法有两种

1)打开NVIDIA控制面板->帮助->系统信息->组件

Pytorch、Tensorflow安装教程(Windows)_第2张图片

 2)使用命令查看

Pytorch、Tensorflow安装教程(Windows)_第3张图片

注意:这里的cuda版本是可以安装的最高版本

 三、安装pytorch

 进入PyTorch 官网

在如下界面选择合适的版本,推荐使用Stable(以及选择版本1.1以上的才有tensorboard)

Pytorch、Tensorflow安装教程(Windows)_第4张图片

如果没有找到自己所需的版本,点击previous versions,有更多选择

可以看到,我的GPU型号为RTX3050,最高可以安装的CUDA版本为11.2,加上有些版本装了很容易出问题,所以我参照了下面两篇博客选定了合适的版本

RTX3050安装CUDA cuDNN及pytorch记录_Gui SY的博客-CSDN博客

(Windows 11+RTX3060安装CUDA、cuDNN与Pytorch的正确版本_乔卿的博客-CSDN博客

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

最后进入你的python环境粘贴Pytorch官网提供的相应安装指令即可

(实证这里没有VPN会巨慢,而且可能会有超时异常)

四.补充:tensorflow gpu版本安装

查找对应版本:在 Windows 环境中从源代码构建  |  TensorFlow (google.cn)

CPU版输入 conda install tensorflow=xxx
GPU版输入 
1.conda install cudatoolkit=x.x
2.conda install cudnn=x.x.x
3.conda install tensorflow-gpu=xxx  /   conda install tensorflow=xxx
#2.1版本后的tensorflow包已经附带了gpu支持,可以安装tensorflow包而不是tensorflow-gpu包

按照版本对照表安装后cuda-10.1,cudnn-7.2,tensorflow=2.3.0出现了一些问题:

Windows(驱动为11.2):在Windows下安装此版本会导致调用gpu耗时非常长,遂改为(11.0  8.0.5  2.4.0),解决问题

Ubuntu(驱动为11.8):在Ubuntu系统下安装此版本会导致无法调用gpu,遂改为(11.3  8.2.1  2.6.0),解决问题

当conda中找不到所需cudnn版本时可参考:

(19条消息) 【仙女踩坑实录】conda找不到高版本(8.0)的cudnn_vivigreeeen的博客-CSDN博客

你可能感兴趣的:(pytorch,深度学习,python)