关于gpu使用不了bug的修复

Gpu老是使用不上,导致联邦学习、深度学习等训练缓慢,多半是python环境和torch包不配对造成的,下载的Anaconda自带python.exe,你必须把环境也换到那里,把torch包也下在那里,才能配对生效。我们常常把torch下错地方,下在原生的环境里,导致gpu不起作用,下面将详细的展示配对过程。

下载Anaconda

Anaconda的下载直接在官网下载即可。

要记得找到你下载的anaconda所在地(我是下在F盘FL文件夹里),在path中配置以下环境变量:

F:FL\anaconda

F:FL\anaconda\Scripts\

F:FL\anaconda\Library\bin

F:FL\anaconda\Library\mingw-w64\bin

anaconda虽然有自带的prompt,可以用来用来下载torch包,但国内这速度,根本就是奔着不让你成功去的,所以一定要配置环境变量,让cmd也能管anaconda,再用pip下载torch!

如果你之前试过很多遍下载torch,建议把它们清空一下:(这里pytorch_gpu要按照你自己之前取的名字来)

conda env remove --name pytorch_gpu

配置好之后直接在cmd输入以下命令,重新创建虚拟环境:(其中python按你的版本来)

激活虚拟环境:

conda activate pytorch_gpu

在虚拟环境下载torch:(这个命令是来自官网的,相信你都找到这了,知道怎么正确弄这个命令,如果不清楚,后面有其他博主详细链接)

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 -i https://pypi.tuna.tsinghua.edu.cn/simple

我的下载速度还是慢,所以在后面加了-i Simple Index

或者直接:

pip3 install torch torchvision torchaudio --extra-index-url -i Simple Index

应该也行,我没尝试,这里只是换了个下载源

此外,你必须将你的python环境换到Anaconda所在目录那里(即你之前创建的pytorch_gpu所在环境的python.exe),否则还是没用的:

关于gpu使用不了bug的修复_第1张图片

关于gpu使用不了bug的修复_第2张图片

测试

关于gpu使用不了bug的修复_第3张图片

成功!

关于gpu使用不了bug的修复_第4张图片

Gpu不能用的问题是大家最常遇到的问题,解决了它,其他配置只要对应好版本即可。

详细可以参考:http://t.csdn.cn/PjmV5

下载显卡对应的CUDA

打开英伟达控制面板→帮助→系统信息→组件,查看CUDA版本,到英伟达官网下载对应的CUDA版本。

安装cuDNN

到官网下载与CUDA对应的cuDNN。下载之后,解压缩,将CUDNN文件夹里面的bin、include、lib文件直接复制到CUDA的安装目录(默认路径:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2)下,直接覆盖安装即可。

你可能感兴趣的:(python,pytorch,深度学习)