步驟

如果要使用GPU進(jìn)行機(jī)器學(xué)習(xí)的訓(xùn)練，那么首先需要支持訓(xùn)練的顯卡及驅(qū)動即正確安裝CUDA、CUDNN，最重要的一點(diǎn)是需要與驅(qū)動對應(yīng)的torch GPU版本，否則大概率使用torch.cuda.is_available()命令檢查GPU是否可用時(shí)得到False。

檢查顯卡-顯卡驅(qū)動CUDA適配版本-下載Anaconda-下載CUDA-檢查CUDA是否安裝好-下載CuDNN-下載GPU版本的pytorch-pycharm中調(diào)試環(huán)境-大功告成

第一步：安裝 Anaconda 和 Pycharm 軟件

如果已經(jīng)安裝好，這一步可忽略。

Anaconda下載可以直接在網(wǎng)上搜教程，很全，都可以用。

下載地址：Anaconda | Individual Edition  或者點(diǎn)擊這里下載

推薦使用清華的鏡像 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

（1）可以直接從 Anaconda官網(wǎng) 下載，但因?yàn)锳naconda的服務(wù)器在國外，所以下載速度會很慢，這里 推薦使用清華的鏡像 來下載。選擇合適你的版本下載，這里選擇 Anaconda2022.05-Windowsx86_ 64.exe 版本。

 （2）

第二步：下載安裝CUDA11.3

• cuda： Compute Unified Device Architecture，是一種有NVIDIA推出的通用并行計(jì)算架構(gòu)， 該架構(gòu)使GPU能夠解決復(fù)雜的計(jì)算問題。
• cudnn： 是NVIDIA 推出的用于深度神經(jīng)網(wǎng)絡(luò)的GPU加速庫，他強(qiáng)調(diào)性能，易用性和低內(nèi)存開銷。
• cuda和cudnn的關(guān)系： cudnn是基于cuda架構(gòu)開發(fā)的專門用于深度神經(jīng)網(wǎng)絡(luò)的GPU加速庫。cuda可以理解為一個大的商圈，但這個商圈是空的，還未裝修。cudnn可以理解為裝修后的房間，例如負(fù)一樓專門針對游樂（深度神經(jīng)網(wǎng)絡(luò)）裝修成大型游樂廠。

詳細(xì)了解可參考這篇文章

http://m.fzitv.net/article/275147.htm

查看對應(yīng)版本的CUDA，這部非常關(guān)鍵！??！請一定要重視，避免之后多次重裝。

（1）首先查看自己電腦GPU版本 方式一：搜索框輸入nvidia，打開nvidia控制面板

方式二：win+R打開cmd，輸入nvidia-smi

nvidia-smi

 可直接查看自己可安裝的最高版本的 CUDA版本，我的電腦是 CUDA11.6。

（2）根據(jù)這個鏈接查看自己對應(yīng)的cuda版本

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

CUDA下載鏈接：https://developer.nvidia.com/cuda-toolkit-archive

接下來，我們來下載這個CUDA，這里選擇的版本不能高于你的顯卡驅(qū)動里面那個版本號，由于我的是11.6，且系統(tǒng)是win11，所以我這里選擇的是11.5

雙擊運(yùn)行下載好的CUDA的exe文件，安裝時(shí)不需要更改路徑，這個是壓縮包提取的暫存的文件夾，不是最終路徑，這里不需要更改。

 （3）安裝

選擇自定義安裝后，取消勾選 Visual Studio，原因安裝耗時(shí)較長，也可不需要。后面的路徑也不需要更改。

 這里與其他安裝方法不同的是，我沒有安裝 cudnn，也沒有配置 path ，但是同樣也安裝成功。

打開 Anaconda prompt 命令，輸入命令：

nvcc -V

查看 CUDA11.3是否安裝成功。安裝成功即可如下所示。

第三步：下載GPU版本下的pytorch和pytorchvision

這里我沒有選擇直接命令安裝，因?yàn)榘惭b失敗的概率較高。我選擇的是下載安裝包，再在anaconda里下載whl文件。

（1）查看自己的python版本，還是在 Anaconda prompt 命令，輸入 python，我的 python 版本是3.9.12：

 （2）不使用命令行下載 pytorch 的下載鏈接為：

https://download.pytorch.org/whl/torch_stable.html

里面的文件是cpu開頭的是 CPU 版本，cu開頭的才是我們要下載的GPU版本。
這里可參考 torch 和 torchvision 的對應(yīng)圖，以免下錯對應(yīng)版本，這里我選擇的是紅色圈內(nèi)的，根據(jù)自己需求下載。

在下載鏈接里找到的是下載的1.10.0 版本的 torch 和 0.11.1 版本的 torchvision，我的 python版本是3.9，注意后面對應(yīng)的 win 和 linux：

 （3）下載后放在同一目錄下，我在d盤新建文件夾 CUDA-python，放在了D:\CUDA-pytorch下：

（4）在 Anaconda prompt 里 cd 到你下載好 torch 和 torchvision 的目錄下，輸入：
pip install “文件名”，torch 和 torchvision 安裝方法一樣。如：

torch==1.10.0+cu113的包大概有2.27G，比較耗時(shí)。下載完成后切換到下載目錄，使用pip命令安裝。

（5）檢驗(yàn)方法，輸入命令：

pip list 

后能看到：

（6）安裝完成后使用下面命令查看torch安裝結(jié)果。

在 Anaconda prompt 里 import導(dǎo)入 torch 和 torchvision庫，然后使用命令：

>>> import torch
>>> torch.cuda.is_available()
True
>>> torch.cuda.get_device_name(0)
'NVIDIA GeForce RTX 3070 Ti Laptop GPU'

第四步：驗(yàn)證以上步驟全部安裝成功

跟著這張圖上去打開cmd'輸入 python，以下步驟：

 最后得到的是 Ture 說明全部安裝已完成。

總結(jié)

到此這篇關(guān)于GPU版本安裝Pytorch的文章就介紹到這了,更多相關(guān)GPU版本安裝Pytorch內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論