python pytorch-GPU 环境搭建 (CUDA 11.2)

02-29 阅读 0评论

1. 环境搭建逻辑

如下图所示，为 pytorch 或 tensorflow 的环境搭建逻辑

$python pytorch-GPU 环境搭建 (CUDA 11.2),python pytorch-GPU 环境搭建 (CUDA 11.2),词库加载错误:未能找到文件“C:\Users\Administrator\Desktop\火车头9.8破解版\Configuration\Dict_Stopwords.txt”。,使用,我们,安装,第1张$

（图片来源网络，侵删）

2. 一般情况

一般情况下，我们需要按照如下顺序考虑我们该安装哪个版本的 cuda 以及安装哪个版本的 pytorch

2.0 查看是否已安装cuda

通过下述cmd命令行

C:\Users\asus>nvcc -V

如果已安装cuda，则如下图所示，可知悉安装的cuda版本

（图片来源网络，侵删）

2.1 安装哪个版本的cuda（尚未安装cuda）

1. 通过以下cmd命令行获悉最高能安装的cuda版本

C:\Users\asus>nvidia-smi

结果如下图所示

2. 通过以下网址，结合自己对pytorch版本的需要，综合考虑该安装哪个版本的cuda

cuda-pytorch版本对应官方 $python pytorch-GPU 环境搭建 (CUDA 11.2),icon-default.png?t=N7T8,词库加载错误:未能找到文件“C:\Users\Administrator\Desktop\火车头9.8破解版\Configuration\Dict_Stopwords.txt”。,使用,我们,安装,第6张$ https://pytorch.org/get-started/previous-versions/ （建议使用Ctrl+F快速搜索）

2.2 安装哪个版本的pytorch（已安装cuda，且不是cuda11.2）

如果已知自己的cuda版本（且不是cuda11.2），则通过以下网址，决定安装哪个版本的pytorch

（图片来源网络，侵删）

Previous PyTorch Versions | PyTorch $python pytorch-GPU 环境搭建 (CUDA 11.2),icon-default.png?t=N7T8,词库加载错误:未能找到文件“C:\Users\Administrator\Desktop\火车头9.8破解版\Configuration\Dict_Stopwords.txt”。,使用,我们,安装,第6张$ https://pytorch.org/get-started/previous-versions/（建议使用Ctrl+F快速搜索）

如下图所示，如果我安装的cuda版本是11.3 且我希望通过pip安装pytorch，则我应该用“Ctrl+F”的方式找“Wheel” 和 “CUDA 11.3”这两个关键字。

通常会看到很多符合要求的结果，如下展示两例，表明：windows环境下，如果想通过pip安装pytorch，且cuda版本是11.3，那么至少pytorch1.12.1和pytorch1.12.0我是可以安装的。（其实还有更多pytorch版本都可以安装，这里仅贴上来两个例子）

（类似的，如果想通过conda在虚拟环境中安装pytorch，那么在网站中应该搜索的关键字应为“Conda” 和 “CUDA 11.3”）

3. 特殊情况已安装 CUDA11.2

比较麻烦的情况是，如果我安装的是cuda 11.2这个版本，那么在上述网站中检索不到对应的pytorch版本。

一个已经被验证的解决方案为：（只适用于已安装cuda11.2）

1. 确保已安装cuda11.2

2. 确保虚拟环境的python版本为python3.8

那么，我们可以通过如下命令行，在虚拟环境中用pip安装pytorch1.9.1这个版本

pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html --trusted-host pypi.org --trusted-host download.pytorch.org --trusted-host files.pythonhosted.org

参考源：cuda11.2版本的对应安装的pytorch版本_cuda11.2对应的pytorch_程序小K的博客-CSDN博客

4. 检验pytorch是否安装成功

让安装了pytorch的虚拟环境执行包含以下代码的py文件即可

import torch
 
print(torch.cuda.is_available()) # cuda是否可用
 
print(torch.cuda.current_device()) # 返回当前设备索引
 
print(torch.cuda.device_count())  # 返回GPU的数量
 
print(torch.cuda.get_device_name(0))

正常情况下前三个print应输出：