文章目录
- 写在最前(README!!)
- 查看GPU显卡算力
- 查看显卡驱动版本(请升级到最高)
- 查看CUDA版本
- 如何更新到最新版本的驱动(推荐方法一)
- 查看cuda对应的torch版本
- 去下载*吧亲
- 安装与测试torch
- 参考
写在最前(README!!)
此篇文章为第一次安装torch的教程
在以后的使用中还会遇到多版本cuda+torch的环境------------啊不好意思,那篇文章,我还没写
- gpu显卡仅针对NVIDA(英伟达)哦
-
安装gpu-torch的逻辑是这样的
- 显卡算力及格
- cuda升级到最新版本
- conda内新建python版本为3.6的虚拟环境
(为什么是3.6的? 因为我喜欢3.6呀) - 找对应cuda版本的torch的*,下载
(为什么用*而不是命令? 因为用命令下载torch的体验糟糕透了, 可以试试嘛, 可以的话,请回来踢我一下,告诉我什么感受。康桑密哒~) - 进入虚拟环境,使用pip安装*,然后测试就好了
默认你已经准备好的前提条件
查看GPU显卡算力
算力不够 直接安装cpu版本 --无需向下查看了
- NVIDA官方说明在GPU算力高于5.0时,此计算机可以用来跑神经网络,那么低于5的显卡,就没有必要安装gpu版本的torch了
- 这里给出NVIDA显卡算力对照表-链接
查看显卡驱动版本(请升级到最高)
win10查看方法
- 此电脑右键属性
- 打开设备管理器
- 点开显示适配器,选中显卡,右键属性打开
- 首先点击驱动程序菜单。 而后查看驱动版本
- 可以看到我的驱动版本为472.12 ,至于为什么是后五位呢? 如果你也感兴趣,麻烦查到了告诉我一下,啾咪。
- 我自己实践了一次,所以已经更新到最新了,
查看CUDA版本
win10查看方法
- 打开控制面板–搜索nvidia
- 如果搜索不到,那就是程序丢失了, 按照下面的 更新到最新版驱动教程 走一遍即可。
- 如果已经操作了 更新到最新驱动 ,然后还没有找到NVIDIA 控制面板,请重启,重启可以解决99%的问题。
- 点击帮助菜单, 选择系统信息
- 选择组件,查看cuda版本
- 我已经安装过最新版驱动, 所以这里显示cuda为11.4
如何更新到最新版本的驱动(推荐方法一)
- 驱动是向下兼容的,放心升级吧亲
方法一(针对GEFORCE系列显卡)
- 打开链接点击下载安装即可
- 第一次打开需要账号登录
- 我自己的微信扫码登录就成功了,
- 如果你的失败了, 通常是网络原因, 收不到NVIDIA服务器的响应。
- 两个办法:
- 换个网络吧,通常换成校园网会好, 如果条件不允许, 条条大路通罗马,八仙过海各显神通。奥利给!
- 先去官网注册个账号, 用账号和密码登录,会比微信好一些,兄弟们,欧皇和非酋的证明时刻来临了。
- 登录成功之后,点击 驱动程序 菜单, 而后有更新的话会出现更新提示的。更新即可
方法二(NVIDIA显卡)
- 手动搜索驱动程序
- 手动搜索驱动链接2–上面无结果用这个
- 手动搜索最新的驱动更新,下载安装即可
查看cuda对应的torch版本
- 这里给出参考
- 当然你也可以去NVIDIA的官网查看对照表,但我觉得你不会。
- 这里的CUDAtoolkit版本暂时等同于CUDA驱动的版本。
我会在后续文章中解释, 这里不做赘述。
去下载*吧亲
- tips: 使用校园网和5g的下载速度都很快。5g牛批!!!
- 什么? 你看不懂*的名字?
- 我真好
- 举例子:
- cu102: 对应cuda版本为10.2
- torch-1.6.0 : torch版本为1.6.0
- cp36 : 对应python版本为3.6
- win_amd64 : 对应64位windows平台(不说人话:CPU是AMD64兼容的架构并在windows上运行)
安装与测试torch
安装
- anaconda命令行下打开新建的虚拟环境
conda activate py36
- 呐呐, 我的虚拟环境名字叫py36
- 使用pip安装*
pip install E:\temp\torch-1.6.0+cu101-cp36-cp36m-win_amd64.whl
- *名字太长不愿意打?: 用鼠标把whl文件拖进命令行
- 安装过程中会下载一些模块, 很快
测试
- 首先进入python命令行
- 三条命令,
import torch
torch.__version__
torch.cuda.is_available()
- 结果如下
恭喜成功!!!!撒花!!!!!
你已经配置好基础的pytorch了。 以后安装其他包的话, 请对应版本安装。 机器学习中用到的包很多, 而且版本还多,
要一一对应才行,否则会就会报错的。 这就不在这篇文章的谈论范围之内了。
参考
- conda建立新的虚拟环境
- conda的pip更换为国内源
- NVIDIA显卡驱动下载
- NVIDIA显卡算力一览
- gpu版本torch安装参考
- 安装pytorch步骤
- 使用pytorch测试是否安装成功
- 显卡驱动对照表
- NVIDIA官方驱动对照表
- NVIDIA驱动下载