Pytorch-CUDA版本环境配置
Pytorch-CUDA版本环境配置
电脑如果是Windows平台下的Nvidia GPU的用户，需配置Pytorch的CUDA版本，分为三步：
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
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：
nvidia-smi
下图中 CUDA Version 是 12.9 。
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
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
（ 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
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
# 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
（ 2 ）离线安装
- 离线包下载地址：download.pytorch.org/whl/torch_stable.html
- 安装方式
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
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 。
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
import torch
torch.__version__
>>> '2.0.1'