提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
RTX3060(暗夜精灵)等系列显卡正确配置Pytorch及其对于cuda和cudann版本的深度学习环境(避免由于版本不适应导致重装)
- 如果你在跑深度学习时使用GPU加速时遇到以下问题:
- 一、问题所在
- 二、解决方法
- 三、pycharm上重新配置pytorch
如果你在跑深度学习时使用GPU加速时遇到以下问题:
GeForce RTX 3060 with CUDA capability sm_86 is not compatible with the current PyTorch installation.
The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 compute_37.
If you want to use the GeForce RTX 3060 GPU with PyTorch, please check the instructions at https://pytorch.org/get-started/locally/
warnings.warn(incompatible_device_warn.format(device_name, capability, " ".join(arch_list), device_name))
一、问题所在
cuda版本和pytorch版本不适配
cuda版本:11.4
pytorch版本:1.10版本以下,如蓝色字体所示,只支持到cuda10.2
打开cmd(win+R快捷键)看看自己安装的cuda版本:
nvcc --version
进入虚拟环境下,看看自己安装的pytorch版本
>>>conda activate pytorch-gpu
>>>python
>>>import torch
>>>print(torch.__version__)
二、解决方法
如红色字体所示,只需要重新下载高版本pytorch即可
如下图所示,这里一定要选择cuda11.3版本或者11.X都可以的,如果选择cuda10.2,
结果就是在使用深度学习训练时导致不适配。(血与泪的教训)
步骤:
#创建虚拟环境:推荐使用python为3.8版本,比较稳定。
>>>conda create -n pytorch-gpu python=3.8
#激活环境:
>>>conda activate pytorch-gpu
>>>conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
验证:命令行输入print(torch.cuda.is_available())结果为TRUE即可
>>>conda activate pytorch-gpu
>>>python
>>>import torch
>>>print(torch.cuda.is_available())
三、pycharm上重新配置pytorch
pycharm上配置pytorch:
- 点击 File
- 点击Setting
- 然后再选择python interpreter时,选择之前安装的anaconda3文件夹路径下的python
如果你需要你自己配置的pytorch环境,就选择envs文件夹里面的 python.exe就可以了
anaconda你安装时,他会自动给你配一个base环境。
当然你可以自创很多个不同名字的环境,都会在envs文件夹
友情提示:
- 如果你的pytorch没有先建虚拟环境如:pytorch-gpu,那么就是在base中
- 上述方法是重新建了虚拟环境pytorch-gpu再下载的pytorch,如果你想在原来的环境中下载,需要提前先卸载pytorch,然后再下载
- 虚拟环境中文件包太多会占用很大的存储空间,对于不用的虚拟环境,就可以删除
- 为什么要建很多虚拟环境呢?因为有些项目使用tensorflow,python版本3.6以下适用,而有的项目使用pytorch,使用python3.6以上的版本,这个时候我们只需要切换到不同虚拟环境跑我们的项目就行了,而不需要再去降低版本或者升级版本等操作了。
其他命令:退出当前虚拟环境
>>>conda deactivate