目录
- 安装CUDA
- 先看看电脑显卡是否支持
- 安装相应版本的CUDA
- 下载cudnn
- pytorch
- 在线安装pytorch GPU版本
- 离线安装pytorch GPU版本
- 修改
安装CUDA
先看看电脑显卡是否支持
- 先看看自己的电脑是不是N卡,搜索设备管理器。
可以通过英伟达官网检查自己GPU能否支持CUDA,这里给大家截取了一部分可以支持CUDA的显卡
链接:https://developer.nvidia.com/cuda-gpus
安装相应版本的CUDA
- 下面看看显卡推荐什么版本的CUDA
- 控制面板->NVIDIA设置->帮助->系统信息->组件->3D设置
- 下载适合自己系统的CUDA,网址:
- 安装过程没有难点,不具体说了,只说一点,可以不用安装在C盘,另外它三个文件夹,你E盘新建一个CUDA文件夹,里面放三个文件夹,然后安装的时候把它们的路径填上就可以了。
注意:选自定义
按这个方式勾选: - 环境变量会自动写入,用下面的方式检验:
下载cudnn
- cudnn要匹配CUDA的版本,下载地址如下:
https://developer.nvidia.com/rdp/cudnn-download - 注册一个英伟达用户,或者使用QQ登录就行,然后下载。
- 下载的是一个压缩包,完事之后:
将每个文件夹下对应的文件复制到CUDA对应文件夹下。
CUDA的路径就在刚才新建的三个文件夹中的一个,我记得是最后一个。反正进去看看就知道了。
别弄反了哈,是将cudnn的文件夹里的文件拷贝到cuda文件夹里。,他会自动合并同名文件夹,放心复制就行。
pytorch
- 我假设你已经安装了anaconda了,这个很好安装,具体教程不写了。
- 新建个pytorch的虚拟环境吧,养成建立虚拟环境的好习惯。
在anaconda命令行里输入下面代码,先建立一个python3.6的虚拟环境
conda create -n pytorchEnv python=3.6
环境名字是pytorchEnv
- 往anaconda添加一些镜像,如果已经添加了就忽略这一步吧!
查看目前的镜像
conda config --show
添加镜像——复制路径,在cmd中右键粘贴
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config –-add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
换回之前的源(不运行,仅记录)
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
在线安装pytorch GPU版本
- 首先去pytorch官网安装对应cuda的合适的版本的pytorch
https://pytorch.org/get-started/locally/
以上面的默认的为例:
先进入anaconda命令行,切换到虚拟环境
activate pytorchEnv
然后直接安装
conda install pytorch torchvision torchaudio cudatoolkit=10.2
注意去掉-c pytorch,表示不从官方地址下载,而是使用镜像,更快。
- 上面的方法百分之八十会超时,先尝试增大等待时间来解决这个问题:
命令行直接输入:
conda config --show
看看默认是等待多久:
conda config --set
然后输入
conda config --set remote_connect_timeout_secs 600
conda config --set remote_read_timeout_secs 600
再尝试,我估计还会报错,比如:
CondaError: Downloaded bytes did not match Content-Length
说明调的等待时间不够大,调到10000
conda config --set remote_connect_timeout_secs 10000
conda config --set remote_read_timeout_secs 10000
大概率还会报错,放弃这种方法。太麻烦,但是它有一个好处,它一般只有pytorch包是下载失败的,其他包比如torchvision都能下载好,咱们可以从命令行看到是不是这样,看它是不是提醒你只下载pytorch包,一般都是,咱们直接使用第二种方法。
离线安装pytorch GPU版本
- 首先根据命令行提示的pytorch版本,咱们去清华源官网下载:
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/ - 比如你的目标是这个:
直接下特娘的,下载完之后比如下在了E盘,那么就在anaconda命令行执行下面的代码:
conda install --offline E:\pytorch????.tar.bz2
然后还没完,之前我们说过只剩pytorch包没有下载了,确实,但是其他已经下载的包也还没有安装呢!安装是一起安装的,只是下载好了,所以咱们再次执行官方代码:
conda install pytorch torchvision torchaudio cudatoolkit=10.2
这次不会下载pytorch了,会直接安装所有包,安装完之后就完事了。
- 不出意外的话,命令行下执行python,然后import torch,然后torch.cuda.is_available()查看就是True了,表示GPU可以使用,完事。
修改
- 10.2不支持了
- 下载之前的版本:
https://pytorch.org/get-started/previous-versions/ 我电脑是11.3的cuda,但是下载11.3的pytorch不好使,用10.2的才能用GPU - 3060的显卡不能用10.x的pytorch,要用11开头的