Pytorch的安装
注意:Pytorch的版本
,cuda版本
,cudnn版本
,Python版本
,nvidia驱动版本
要相互对应,否则就会出现各种报错和问题,无法使用GPU加速计算!
查看nvida驱动支持的cuda版本,在
nvidia控制面板->系统信息->组件
即可查看支持的cuda版本
比如对我的GTX960M417.22驱动支持的cuda版本为10.0.132如果自己手动配置需要去nvidia官网下载对应版本的
cudatoolkit
和cudnn
,很麻烦而且下载起来还比较慢,这里推荐使用conda
安装,没用过conda的看我之前的文章==>传送门有了conda后,一切就好办了,先添加一下清华大学的Pytorch镜像地址:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
使用conda安装Pytorch,其中需要手动指定cudatoolkit版本,然后cuda会自动处理环境和匹配版本,如果不指定cudatoolkit版本会根据当前含依赖关系的包安装最新版本
conda install pytorch torchvision cudatoolkit=10.0
-
安装完成即可,在
cmd
或者powershell
查看安装情况
Pytorch是自带cudnn,不需要单独再安装的!验证Pytorch是否使用了GPU
import torch
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# 查看使用设备
print(device)
# 查看数据是否在GPU上
x = torch.Tensor([2.1]).to(device)
y = torch.Tensor([2.1]).cuda()
print(x, y)
# 查看cudnn是否工作
print(torch.backends.cudnn.enabled)
可以看到Pytorch在GPU上工作正常