基于环境cuda11.4+cudnn8.2.2+python3.9+win10+nvidia3060,pytorch1.9.0的安装教程

官网下载cuda安装包CUDA Toolkit Archive | NVIDIA Developer

官网下载cudnn压缩包NVIDIA cuDNN | NVIDIA Developer

注意cuda和cudnn版本对应!

在pytorch官网根据cuda版本查询对应的torch、torchvision版本信息(此处官网中选择的cuda版本最接近自己安装版本,我安装的cuda11.4)

基于环境cuda11.4+cudnn8.2.2+python3.9+win10+nvidia3060,pytorch1.9.0的安装教程_第1张图片

根据查询到的版本下载pytorch的whl离线文件https://download.pytorch.org/whl/torch_stable.html

对于cuda11.1以及python39虚拟环境,我下载的版本如下

基于环境cuda11.4+cudnn8.2.2+python3.9+win10+nvidia3060,pytorch1.9.0的安装教程_第2张图片

基于环境cuda11.4+cudnn8.2.2+python3.9+win10+nvidia3060,pytorch1.9.0的安装教程_第3张图片

下载完成后,打开anaconda prompt

创建python3.9的虚拟环境:conda create -n py39-torch190 python=3.9

激活环境:conda activate py39-torch190

cd命令进入存放whl离线文件的目录下

输入以下两个命令进行安装:

pip install torch-1.9.0+cu111-cp39-cp39-win_amd64.whl

pip install torchvision-0.10.0+cu111-cp39-cp39-win_amd64.whl

安装截图:

基于环境cuda11.4+cudnn8.2.2+python3.9+win10+nvidia3060,pytorch1.9.0的安装教程_第4张图片

安装完成后,接下来验证是否安装成功

输入python命令,然后依次输入如下命令,查询版本信息以及是否安装成功

import torch

print(torch.__version__)

print(torch.version.cuda)

print(torch.cuda.is_available())

表示安装成功的output截图:

基于环境cuda11.4+cudnn8.2.2+python3.9+win10+nvidia3060,pytorch1.9.0的安装教程_第5张图片

成功!

其他详情可参考大佬文章:Pytorch1.9 CPU/GPU(CUDA11.1)安装_霹雳吧啦Wz-CSDN博客

你可能感兴趣的:(环境搭建,cuda,gpu,深度学习,nvidia,python)