Pytorch 安装与配置

Pytorch 安装与配置

NVIDIA系统管理界面查看

nvidia-smi 进入NVIDIA系统管理界面

Pytorch 安装与配置_第1张图片

对应的详细解释看下图

Pytorch 安装与配置_第2张图片

参考博文

  • (53条消息) nvidia-smi命令详解和一些高阶技巧介绍_Chaos_Wang_的博客-CSDN博客

CUDA 查看

CUDA 有两类:其中一类是驱动API(Driver API),另一种是运行时API(Runtime API)。

驱动API查看方式

  • 方式一

    使用 nvidia-smi命令,系统管理界面的右上角就是对应的驱动API版本。

  • 方式二

    进入 NVIDIA > 系统信息,结果如下图

    Pytorch 安装与配置_第3张图片

运行API查看方式

​ 需要说明的是,只有安装过运行API才能通过命令行的形式查看。

nvcc -V

查询结果如下图

Pytorch 安装与配置_第4张图片

尤为注意的问题

需要说明的是尽管驱动API和运行API版本不一致也不会影响使用。runtime(运行时) API和driver API,这两个API都有对应的CUDA版本。用于支持runtime API的必要文件(如libcudart.so以及nvcc)是由CUDA Toolkit installer安装的。(CUDA Toolkit Installer有时可能会集成了GPU driver Installer)。nvcc是与CUDA Toolkit一起安装的CUDA compiler-driver tool,它只知道它自身构建时的CUDA runtime版本。它不知道安装了什么版本的GPU driver,甚至不知道是否安装了GPU driver。

综上,如果driver API和runtime API的CUDA版本不一致可能是因为你使用的是单独的GPU driver installer,而不是CUDA Toolkit installer里的GPU driver installer。

runtime和driver API区别
runtime和driver API在很多情况非常相似,也就是说用起来的效果是等价的,但是你不能混合使用这两个API,因为二者是互斥的。也就是说在开发过程中,你只能选择其中一种API。简单理解二者的区别就是:runtime是更高级的封装,开发人员用起来更方便,而driver API更接近底层,速度可能会更快。

两种API存在默认匹配

NVIDIA显卡驱动和CUDA Toolkit本身是不具有捆绑关系的,为什么在安装后进行查询总会出现意料之外的结果,原因就是离线安装的CUDA Toolkit会默认携带与之匹配的最新的驱动程序。

CUDNN是个啥

cudnn是一个为深度学习计算设计的软件库,提供对应的计算函数,如卷积等,还有很多其他的软件库和中间件,包括实现c++ STL的thrust、实现快速傅里叶变换的cuFFT、实现gpu版本blas的cublas、实现稀疏矩阵运算操作的cuSparse、实现深度学习网络加速的cuDNN等等。

下载链接

  • CUDA 运行APP

​ CUDA Toolkit 11.6 Downloads | NVIDIA Developer

  • CUDA 驱动APP

    ​ Official Drivers | NVIDIA

  • CUDNN APP

​ cuDNN Archive | NVIDIA Developer

Pytorch —whl安装

步骤总览

整体步骤如下:

  • 步骤一:

    进入离线下载torch whl 的官网 download.pytorch.org/whl/torch_stable.html

  • 步骤二:

    选择对应的 torchvision、torchaudio、torch,安装到指定的路径,记住此路径记为path1

  • 步骤三:

    使用Ancaconda Prompt 切换到为安装torch准备的环境,并切换到path1所在的路径

  • 步骤四:

    使用以下pip命令进行安装

    pip install “torch包名.whl” “torchvision包名.whl” “torchaudio包名.whl”

以上完成了torch的安装步骤,但是!!!还需要检查torch是否安装成功,步骤如下:

  • 步骤一:

    Anaconda Prompt 切换至torch所在的环境

  • 步骤二:

    执行下列代码:

    import torch # 如果pytorch安装成功即可导入
    print(torch.cuda.is_available()) # 查看CUDA是否可用
    print(torch.cuda.device_count()) # 查看可用的CUDA数量
    print(torch.version.cuda) # 查看CUDA的版本号
            
    

至此,完成pytorch的安装,开始你的深度学习之旅!!!

whl包下载

  • 方式一

​ 可以通过官方网站PyTorch推荐的Pytorch包进行安装,如下图。

Pytorch 安装与配置_第5张图片

​ 然后,直接使用 Run this Command 的命令直接进行安装,此种对于国内用户极其不友好,建议直接按照方式二进行安装!!!

  • 方式二

​ 当然,也可以根据之前的CUDA版本进入到whl的网站,进行离线下载再使用pip去安装。进入到whl的网站是这样子的(如下),因为为我的CUDA的驱动和运行版本均是11.6,所以进入网站后根据关键字11.6torch去搜索对应的包。

使用 Ctrl + F 打开搜索条目,输入关键字即可实现当前网页内的搜索。

Pytorch 安装与配置_第6张图片

1-4 的含义如下

1:当你下载的GPU版本的torch时,此时为cu开头其后的数字为cuda对应的版本号。因为我是cuda为11.6所以此处就是11.6,如果你下载的是CPU版本的torch,开头则为cpu。

2:此处的代表的是torch和对应的版本号,尽量不要选择太高版本吧。%后面的2B代表是Beata版即测试版,绝对够用直接冲!!!

3:cp代表的是python,其后的数字代表对应环境中的python版本号,python版本查看方式如下:

Pytorch 安装与配置_第7张图片

上述,标红处就是对应的python版本。

4:此时就代表你的操系统了,win_amd64 对应window,linux_x86_64对应linux。

参考博文

(53条消息) Pytorch 离线安装教程( Win10 )_pytorch离线安装_E-CorE的博客-CSDN博客

(53条消息) 安装pytorch时,文件名称的识别_Leon_BUAA的博客-CSDN博客

(53条消息) 软件版本 —— Alpha、Beta、RC版本的区别_beta版本是什么意思_waynelu92的博客-CSDN博客

(53条消息) nvcc -V和nvidia-smi出现的cuda版本不同_Chauncey_Wang的博客-CSDN博客

log.csdn.net/waynelu92/article/details/73604172)

(53条消息) nvcc -V和nvidia-smi出现的cuda版本不同_Chauncey_Wang的博客-CSDN博客

你可能感兴趣的:(pytorch,人工智能,python)