GPU版pytorch安装指南

1. 安装或更新NVIDA显卡驱动

官方驱动下载地址：https://www.nvidia.cn/Download/index.aspx?lang=cn

img

2. 安装CUDA Toolkit + cudnn：

1）CUDA安装

在CUDA Toolkit 安装前用以下命令查询机器上显卡最高支持的CUDA 版本：

终端输入：

1
nvidia-smi

下图中CUDA Version是12.2。

如果你没有安装cuda toolkit或者需要升级，可以去官网下载： https://developer.nvidia.com/cuda-toolkit-archive

img
2）CUDNN安装

NVIDIA CUDA深度神经网络库 (cuDNN) 是一个 GPU 加速的深度神经网络基元库，能够以高度优化的方式实现标准例程（如前向和反向卷积、池化层、归一化和激活层）。

全球的深度学习研究人员和框架开发者都依赖 cuDNN 来实现高性能 GPU 加速。借助 cuDNN，研究人员和开发者可以专注于训练神经网络及开发软件应用，而不必花时间进行低层级的 GPU 性能调整。cuDNN 可加速广泛应用的深度学习框架，包括 Caffe2、Keras、MATLAB、MxNet、PaddlePaddle、PyTorch和 TensorFlow。

下载地址：cuDNN Archive | NVIDIA Developer

（1）下载并解压文件

img

（2）复制内容到CUDA安装路径

CUDA安装默认路径：

  • Windows：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
  • Linux：/usr/local/cuda
img

3. 安装Pytorch

（1）在线安装

打开pytorch安装指导网站，选择合适的系统平台，关键是在compute platform选择一个不高于你电脑上的CUDA Version，复制命令安装。

  • pip install torch==版本号
  • conda install torch==版本号
1
2
3
4
5
6
# 使用conda安装
conda install python pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia
# 使用pip安装
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
或者
pip install torch==2.0.0+cu118 torchvision==0.15.0+cu118 torchaudio==2.0.1+cu118 -f https://download.pytorch.org/whl/torch_stable.html
image-20240522173540087

（2）离线安装

1
pip install torch-2.0.1+cu118-cp310-cp310-win_amd64.whl

注意：

1）PYTORCH与TORCHVISION版本对应问题

Pytorch与torchvision版本配套

torch torchaudio python
main / nightly main / nightly >=3.8, <=3.10
2.1.0 2.1.0 >=3.8, <=3.11
2.0.1 2.0.2 >=3.8, <=3.11
2.0.0 2.0.1 >=3.8, <=3.11
1.13.1 0.13.1 >=3.7, <=3.10
1.13.0 0.13.0 >=3.7, <=3.10
1.12.1 0.12.1 >=3.7, <=3.10
1.12.0 0.12.0 >=3.7, <=3.10
1.11.0 0.11.0 >=3.7, <=3.9
1.10.1 0.10.1 >=3.6, <=3.9
1.10.0 0.10.0 >=3.6, <=3.9
1.9.1 0.9.1 >=3.6, <=3.9
1.9.0 0.9.0 >=3.6, <=3.9
1.8.2 0.8.2 >=3.6, <=3.9
1.8.1 0.8.1 >=3.6, <=3.9
1.8.0 0.8.0 >=3.6, <=3.9
1.7.1 0.7.2 >=3.6, <=3.9
1.7.0 0.7.0 >=3.6, <=3.8
1.6.0 0.6.0 >=3.6, <=3.8
1.5.0 0.5.0 >=3.5, <=3.8
1.4.0 0.4.0 ==2.7, >=3.5, <=3.8
img

如果你的conda解决环境很慢，可以试一试pip安装。

2）使用镜像源
  • 使用镜像源：
  • pip install torch -i [镜像源]
  • conda install torch -c [镜像源]
  • 常用镜像源
  • 清华源：https://pypi.tuna.tsinghua.edu.cn/simple
  • 豆瓣源：https://pypi.doubanio.com/simple/
3）安装验证
1
2
3
4
5
6
7
import torch
# 打印出正在使用的PyTorch和CUDA版本。
print(torch.__version__)
print(torch.version.cuda)

# 测试GPU是否生效
print(torch.cuda.is_available())

（3）导入PyToch

导入 PyTorch 并检查正在使用的版本。

1
2
3
import torch
torch.__version__
>>> '2.0.1'

（4）Pycharm配置Anaconda环境

  1. 打开Pycharm，点击File-->New Project，例如新建项目工程名字为：Pycharm_conda
image-20240530094628328
  1. 选择新建工程所在文件位置，并命名，点击create。选择New Window。
image-20240530094449673
  1. 在创建好的新工程窗口下，点击File-->Settings
image-20240530094835776
  1. Settings-->Project :Pycharm_conda-->Python Interpreter, 然后点击右边齿轮状图标或者"Add Interpreter"，点击Add ，添加解释器。
image-20240530095248878
  1. 打开后选择Conda Environment，然后选中Existing environment，选择自己创建的环境，点击OK，低版本可勾选Make available to all projects。
image-20240530095810448
  1. 等待加载完毕后，会看到在Python Interpreter页面多了许多包。表示在该环境下创建的工程就可以使用anaconda中已有的库了。
image-20240530100118494
  1. 点击OK，配置完成，在主界面的右下角会显示当前环境处于刚配置好的环境中，等待加载完毕后即可正常使用
image-20240530100154229
  1. 使用terminal安装依赖
image-20240530100803248
深度学习
#笔记整理 #环境搭建 #pytorch
GPU版pytorch安装指南
https://linxkon.github.io/pytorch 安装教程.html
作者
linxkon
发布于
2022年2月4日
许可协议