pytorch与cudatoolkit,cudnn对应关系及安装相应的版本

文章目录

  • 一.cuda安装
  • 二、nvidia 驱动和cuda runtime 版本对应关系
  • 三、安装cudatoolkit,cudnn对应版本
  • 四、cuda11.2版本的对应安装的pytorch版本及安装
  • 五、相关参考

一.cuda安装

1.确定当前平台cuda可以安装的版本
安装好显卡驱动后,使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少,如下:
pytorch与cudatoolkit,cudnn对应关系及安装相应的版本_第1张图片
Driver Version: 525.89.02 表明当前显卡驱动版本是525.89.02
CUDA Version: 12.0 表明当前的显卡驱动可以安装的cuda最高版本是12.0

二、nvidia 驱动和cuda runtime 版本对应关系

官网:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

从驱动和运行时的版本对应关系来看,版本为384.81的驱动程序 对应的 运行时版本是9.0,也就是说我们在python中安装cudatoolkit和cudnn程序包版本9.2是过高了。

因为系统中依赖GPU驱动的程序比较多,一般出现这种情况,我们都是更改cudatoolkit和cudnn程序包的版本。

于是,先卸载python中安装cudatoolkit和cudnn程序包:pip uninstall cudnn ; pip uninstall cudatoolkit

然后安装对应版本的cudatoolkit和cudnn程序包:pip install cudatoolkit=9.0;pip install cudnn

三、安装cudatoolkit,cudnn对应版本

安装cudatoolkit(针对服务器权限不能安装的情况)

conda search cudatoolkit --info

conda search cudnn --info

查看所有列出来的cudatoolkit的详细信息,包括版本号version,文件网址url,依赖项dependencies。

直接conda install cudatoolkit,通常下载安装包的速度很慢,当换源都不好使的时候,因而可以用上面给出的文件网址url来用下载工具去下载这个包,再去本地安装

依赖项dependencies:想要使用cudatoolkit,还需要安装什么才可以使用。

本地安装离线包的命令是:

conda install --use-local 包名

cudnn同理。

四、cuda11.2版本的对应安装的pytorch版本及安装

cu112,可安装cu111版本
访问官网:https://pytorch.org/get-started/previous-versions/
找到合适的版本的torch及torchvision、torchaudio
pytorch与cudatoolkit,cudnn对应关系及安装相应的版本_第2张图片

使用pip3安装

 pip3 install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html

五、相关参考

Tensorflow与Python、CUDA、cuDNN的版本对应表
https://blog.csdn.net/ly869915532/article/details/124542362

使用虚拟环境conda安装不同版本的cuda,cudnn,pytorch
https://blog.csdn.net/qq_42537872/article/details/132322398?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EYuanLiJiHua%7EPosition-2-132322398-blog-131769640.235%5Ev38%5Epc_relevant_anti_t3_base&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EYuanLiJiHua%7EPosition-2-132322398-blog-131769640.235%5Ev38%5Epc_relevant_anti_t3_base&utm_relevant_index=5

Anaconda的python虚拟环境中安装cudatoolkit和cudnn加速tensorflow
https://blog.csdn.net/qq_33221533/article/details/131769640

NVIDIA驱动版本与CUDA版本对应关系
https://blog.csdn.net/qq_33401821/article/details/123246774

你可能感兴趣的:(环境配置,pytorch,人工智能,python)