Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)

本文已收录于Pytorch系列专栏: Pytorch入门与实践 专栏旨在详解Pytorch,精炼地总结重点,面向入门学习者,掌握Pytorch框架,为数据分析,机器学习及深度学习的代码能力打下坚实的基础。免费订阅,持续更新。

文章目录

      • CUDA的安装
        • 1.查询支持的最高版本
        • 2.查询Pytoch与cuDNN版本
        • 3.下载CUDA
        • 4.安装CUDA
        • 5.验证CUDA是否安装成功
      • cuDNN的安装
        • 验证是否安装成功
      • Pytorch安装
        • 下载torch
        • 下载torchvision
      • CUDA的卸载

可能出现的问题:

  • CUDA和cuDNN版本不匹配
  • CUDA和Pytorch版本不匹配
  • cuDNN和Pytorch版本不匹配
  • 显卡不支持CUDA该版本
  • 已经装完部分,发现版本不匹配准备卸载。

说在前面的话!

  1. 在ubuntu系统下,可以尝试装多个cuda版本,然后通过conda安装对应的Pytorch版本。通过软连接的方式来实现cuda版本的切换。**但是,在win系统下,最好是用相同的支持版本,以免不匹配。**不用纠结是否向下兼容等等问题,最优的方法就是安装相同的版本。
  2. 对于CUDA的版本,我推荐用以往的稳定版本,就是指目前还在一直维护的比较旧的版本,原因有很多:
    • 比较旧的版本有强大的社区支持,可以方便地找到前人总结地bug解决方案,而不是遇到最新问题时能力不够导致的一筹莫展。
    • 较旧的版本至今仍在维护,说明其仍有很大的价值,用户基数很多,能确保开发的流畅与稳定。
    • 由于学术界和工业界都喜欢用比较稳定的版本来搭建模型,因此如果想要复现论文,或是pull别人的代码修改,较新的版本很有可能会出现错误。

CUDA的安装

1.查询支持的最高版本

首先安装之前要先检查我们显卡所支持的最高的CUDA版本:

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第1张图片

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第2张图片

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第3张图片

目前是11.6的驱动,因此我的显卡最高是可以支持到CUDA11.6版本的。

知道了我们的最高支持版本之后,我们就可以在小于等于该版本的CUDA中选择了。

2.查询Pytoch与cuDNN版本

首先不用着急挑选CUDA的版本。我们先看下pytorch以及cuDNN的版本支持情况。

Pytorch:https://pytorch.org/

cuDNN:https://developer.nvidia.com/rdp/cudnn-archive

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第4张图片

可以看到对于win系统,Pytorch支持的版本有10.2,11.3,11.6等。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第5张图片

cuDNN支持的版本有10.2,11.5,11.4等等。

这里我推荐装10.2或者11.3,原因见开头,不多做赘述。这里以11.3为例。

3.下载CUDA

在CUDAhttps://developer.nvidia.com/cuda-toolkit-archive中,寻找CUDA Toolkit 11.3版本,然后寻找相应的版本下载即可。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第6张图片

4.安装CUDA

安装CUDA,首先需要选择CUDA的临时解压路径,这个临时解压文件夹会在安装完成后自动删除,这里建议默认。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第7张图片

解压完成后会有安装程序,同意即可。接下来的安装选项选择自定义:

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第8张图片

在安装CUDA中取消这个VS有关的组件:

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第9张图片

底下这三个也没必要,可安可不安,看个人选择:

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第10张图片

安装路径仍然建议默认,在Program Files中,方便以后寻找。建议记住这里的CUDA路径。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第11张图片

然后一直确认最后关闭即可,这里不多赘述。

5.验证CUDA是否安装成功

我们在cmd中使用cd命令切换到刚刚CUDA的安装路径下的bin(二进制)文件夹下,再执行nvcc -V命令。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第12张图片

可见CUDA是正确安装的。

cuDNN的安装

在cuDNN的版本中,选择支持该版本的CUDA即可,这里我们看到v8.5.0的cuDNN支持CUDA 11.X,说明兼容cuda11.x全系列。点击下载即可。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第13张图片

接下来,解压该压缩包,然后复制其中的文件夹

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第14张图片

粘贴到CUDA的安装目录下,即完成了cuDNN的安装。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第15张图片

验证是否安装成功

在cmd中进入到demo文件夹:路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite

执行bandwidthTest.exe,如果运行结果出现了PASS即代表安装成功。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第16张图片

再输入命令deviceQuery.exe查询设备。

image-20221005222811243

这里会显示你的GPU型号,以及PASS,表示CUDA和cuDNN都安装成功了。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第17张图片

Pytorch安装

进入Pytorch官网https://pytorch.org/,选择需要安装的pytorch版本。这里安装方式可以选择pip。可以看到有生成的command,里面有个网站,只需要进入该网址下载即可。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第18张图片

下载torch

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第19张图片

由于我们安装的torch版本为Stable1.12.1,因此我们需要查找前缀为:torch-1.12.1的文件。注意找的是GPU版本,cuxxx代表CUDA版本xxx。这里我们找到对应的cu113,然后点击下载。cp代表python版本,这里我们选择cp37版本的win下载。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第20张图片

然后返回,进入torchvision。

下载torchvision

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第21张图片

torchvision的版本选择最新就好,但是要与cuda及python匹配,这里直接搜索cu113-cp37

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第22张图片

下载对应的版本即可。

新建pycharm创建项目,新建项目名称为PytorchTest, 文件名为HelloPytorch。输入以下代码测试

import torch

print("Hello Pytorch{}".format(torch.__version__))

结果报错,ModuleNotFoundError: No module named 'torch',因为当前环境没有torch。

我们可以用conda创建虚拟环境并安装torch。

首先再Terminal中输入conda create -n pytorch-gpu python=3.7,这里python版本与我们要安装的版本相同。

出现Proceed ([y]/n)? 直接输入y即可。

接着输入conda activate pytorch_gpu激活环境。

注意:进入conda虚拟环境后venv前面的提示会变成你的环境名称,如下:

image-20221006093929724

如果没有显示,则可能因为pycharm终端采用的是PowerShell。需要在设置中切换。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第23张图片

换成如图所示的cmd终端即可。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第24张图片

进入终端后切换到下载刚刚torch和torchvision的文件夹中

cd D:\Develop\pytorch_install //因人而异,cd到你的下载torch和torchvision的文件夹中即可。

用pip安装torch

pip install "torch-1.12.1+cu113-cp37-cp37m-win_amd64.whl"

用pip安装torchvision

pip install "torchvision-0.13.1+cu113-cp37-cp37m-win_amd64.whl"

完成安装

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第25张图片

安装完成后,需要绑定该项目的解释器为这个虚拟环境。因此需要设置:

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第26张图片

找到该项目的Python解释器,然后点击齿轮,选择add:

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第27张图片

选择conda,找到已经存在的环境:

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第28张图片

查找你的anaconda安装的目录

这里可以搜索anaconda并打开文件位置。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第29张图片

然后继续右键打开文件位置即可。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第30张图片

打开后找到envs(环境)文件夹。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第31张图片

找到刚刚创建的环境,复制文件路径到pycharm。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第32张图片

在pycharm中选择该文件路径下的python.exe解释器即可

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第33张图片

然后一直ok,等待python解释器的重载即可,可能需要等一分钟。

然后重新尝试测试代码并运行。

import torch

print("Hello Pytorch{}".format(torch.__version__))

print(torch.cuda.is_available())

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第34张图片

返回true说明安装成功。

CUDA的卸载

首先,搜索控制面板并打开

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第35张图片

找到程序卸载

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第36张图片

可以在列表中找到有关于NVIDIA的相关组件,找到有关于CUDA的组件并卸载即可,其他的可以保留,因为高于该版本的CUDA会更新其他组件的。(本质上临近时间安装的都能卸载

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第37张图片

右键 -> 卸载 然后在卸载程序中卸载即可。剩下的方法类似。

Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)_第38张图片

最后不放心的话可以用火绒等软件清理一下注册表。

你可能感兴趣的:(Pytorch入门与实践,pytorch,深度学习,python,cuda,cudnn)