摄影素材网站,网站专题特点,做的网站有广告图片,做网站西安一、安装前要知道的事情#xff1a;
pytorch是基于CUDA的深度学习框架#xff0c;因此#xff0c;pytorch的版本必须依赖于cuda toolkit的版本CUDA Toolkit可以理解成一个工具包#xff0c;主要包含了CUDA-C和CUDA-C编译器、一些科学库和实用程序库、CUDA和library API的代…一、安装前要知道的事情
pytorch是基于CUDA的深度学习框架因此pytorch的版本必须依赖于cuda toolkit的版本CUDA Toolkit可以理解成一个工具包主要包含了CUDA-C和CUDA-C编译器、一些科学库和实用程序库、CUDA和library API的代码示例、和一些CUDA开发工具。cuDNN是基于CUDA的深度学习GPU加速库有了它才能在GPU上完成深度学习的计算。CUDA是显卡厂商NVIDIA推出的运算平台。CUD是一种由NVIDIA推出的通用并行计算架构是一种并行计算平台和编程模型该架构使GPU能够解决复杂的计算问题。
因此配置环境的流程为
查看CUDA版本(没有的话则需要安装cuda) -------- 选择与cuda相对应的cudatookit版本cudnn版本 pytorch版本
通过下面命令查看cuda版本
nvidia-smi
如果提示nvidia-smi命令未找到用下面命令安装驱动 在Ubuntu上安装NVIDIA驱动 sudo apt update
sudo apt install nvidia-driver 在CentOS上安装NVIDIA驱动 sudo yum install nvidia-driver
安装完后配置环境变量
向~/bashrc文件末尾添加以下行请根据你的驱动版本和系统路径进行调整
export PATH$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH$LD_LIBRARY_PATH:/usr/local/cuda/lib64
保存文件并运行以下命令以使更改生效
source ~/.bashrc
二、如何安装cuda本人亲测成功
在cuda官网中下载cuda
https://developer.nvidia.com/cuda-downloads/#
选择对应的cuda版本cuda版本跟电脑显卡驱动版本号有关建议显卡驱动版本高的安装高版本CUDA具体如下
1.首先在软件和更新里面看一下自己电脑显卡的驱动版本可以看出本人的是545这些驱动都可以用显示有哪个版本说明电脑将最低支持这个版本 然后选择自己能选择的cuda版本比如nvidia-driver-545就可以选择cuda11.0~cuda12.3x之间的所有版本因为电脑的显卡驱动545支持最新的cuda12.3x,cuda12.3x要求的驱动是大于525.60.13即可
注意cuda是向下兼容的12.3的cuda可以用12.3以下的所有cuda。 这里选择完后在终端上输入官网上的那串代码(根据选择的版本对应的代码根据上面自己选择的cuda版本决定)下载cuda大约3GB。
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
sudo mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/3bf863cc.pub
sudo add-apt-repository deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/ /
sudo apt-get update
sudo apt-get -y install cuda
下载完成后需要将cuda配置导入环境变量。
export PATH/usr/local/cuda/bin${PATH::${PATH}}
export LD_LIBRARY_PATH/usr/local/cuda/lib64${LD_LIBRARY_PATH::${LD_LIBRARY_PATH}}
添加完环境变量记得source一下命令如下
source ~/.bashrc
然后输入nvidia-smi,即可看到cuda安装成功。如果显示couldnot communicat with the NVDIA driver则关机重启后再输入nvidia-smi,即可看到cuda安装成功
三、下面再安装GPU版本的pytorch
打开pytorch官网Previous PyTorch Versions | PyTorch
这里我们由于cuda是12.3版本cuda向下兼容故可以安装12.3版本及以下的所有版本对应的pytorch。这里我们选择以cuda11.7安装pytorch下面两种方式任选其一。
conda方式安装
# CUDA 11.7
conda install pytorch2.0.1 torchvision0.15.2 torchaudio2.0.2 pytorch-cuda11.7 -c pytorch -c nvidia
pip方式安装
# CUDA 11.7
pip install torch2.0.1 torchvision0.15.2 torchaudio2.0.2 安装完pytorch后可以在conda环境下在linux终端中输入python然后在python命令行下输入
import torchtorch.cuda.is_available()
若返回true则说明GPU版本的pytorch安装成功。 注意完整的操作步骤可以参照下面第一个链接其他链接为可能用到的链接在conda虚拟环境中配置cudacudnnpytorch深度学习环境新手必看简单可行_conda安装cudnn-CSDN博客
CUDA 添加环境变量_cuda添加环境变量-CSDN博客
CUDA Toolkit 11.7 Downloads | NVIDIA Developer
