深度学习环境搭建:Pytorch与CUDA的安装
目录
什么是CUDA
统一计算设备架构(Compute Unified Device Architecture,CUDA),由 NVIDIA 推出的并行计算平台和编程模型。 它通过利用图形处理单元 (GPU) 的强大功能来显着提高计算性能。最新发行版本11.6.2,2022年3月发行。
目前几乎所有的编程语言,不使用特定框架,只能使用CPU运行所编的程序。std::thread也是将线程开在CPU中。使用GPU编程可以使用更多的流处理器和更多的线程。
NVIDA官方提供的CUD库是一个完整的工具安装包,其中包括CUDA Toolkit和CUDAdriver、NVIDIA GPU driver驱动程序。理论上在安装完驱动程序后只需要安装CUDA toolkit就可以保证CUDA相关程序的运行。(一般电脑上装有NVIDIA的独立显卡会默认安装好驱动程序)
查看本地显卡驱动对应CUDA版本号
在查看本地显卡对应等的CUDA版本的时候,先更新一下驱动,官网驱动下载地址,其中notebook是笔记本上用的驱动。也可以直接下载NVIDIA GeForce Experience来快速升级驱动。更新完显卡驱动后可以看见我的驱动支持CUDA 11.6以内的。
安装Pytorch如何选择CUDA的版本
进入Pytorch查看Pytorch对应的CUDA版本,因为Pytrorch目前不支持最新的CUDA 11.6版本,最高目前支持CUDA 11.3。
GPU与Pytorch对应版本
Pytorch | CUDA | torchvision |
---|---|---|
1.11.0 | 10.2、11.3 | |
1.10.1 | 10.2、11.1、11.3 | 0.11.2 |
1.10.0 | 10.2、11.1、11.3 | 0.11.0 |
1.9.1 | 10.2、11.1、11.3 | 0.10.1 |
1.9.0 | 10.2、11.1、11.3 | 0.10.0 |
1.8.1 | 10.1、10.2、11.1、11.3 | 0.9.1 |
1.8.0 | 10.2、11.1 | 0.9.0 |
1.7.1 | 9.2、10.1、10.2、11.0 | 0.8.2 |
1.7.0 | 9.2、10.1、10.2、11.0 | 0.8.0 |
1.6.0 | 9.2、10.1、10.2 | 0.7.0 |
1.5.1 | 9.2、10.1、10.2 | 0.6.1 |
1.5.0 | 9.2、10.1、10.2 | 0.6.0 |
1.4.0 | 9.2、10.1 | 0.5.0 |
1.2.0 | 9.2、10.0 | 0.4.0 |
1.1.0 | 9.0、10.0 | 0.3.0 |
1.0.1 | 9.0、10.0 | 0.2.2 |
1.0.0 | 8.0、9.0、10.0 | 0.2.1 |
安装CUDA11.3
-
双击安装安装包
-
我这里C盘不够用将安装地址修改到D盘,然后点击OK提取文件,系统兼容检查
-
系统兼容性检查完后点击同意并继续,然后选择自定义安装
-
将CUDA安装组将中的VS取消勾选
-
修改安装位置
-
等待安装完成
7. 点下一步然后关闭,默认情况下安装完成环境变量也默认配置好。
验证安装是否成功:打开命令行窗口输入
nvcc -V
安装Pytorch
使用pip来直接安装pip install torch torchvision torchaudio
需要注意的是一定要安装使用CUDA的Pytroch版本,可以去Pytorch官网查看对应的pip安装命令。
验证是否安装成功:打开命令行输入
python
进入交互式编辑,输入以下命令
import torch
x = torch.rand(5,3)
print(x)
验证Pytorch能否使用GPU,导入torch模块
import torch
print(torch.cuda.is_available())
输出True
则当前torch能够正常使用CUDA,返回False
则说明配置有问题不能正常使用CUDA。
参考
TensorFlow、PyTorch各版本对应的CUDA、cuDNN关系
Pytorch:Pytorch与NUDA对应版本
Window下Python+CUDA+PyTorch安装