GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记

这篇具有很好参考价值的文章主要介绍了GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

以下是我亲测有效的使用 GTX 1060 的各部分安装版本
电脑系统:window 10
python版本:3.8.13
pytorch版本:1.11.0
CUDA版本:11.3
cuDNN版本:8.2

以下是我个人安装过程的步骤,以及我踩过的坑,这里解决踩坑问题主要参考:

RTX3060+win10+CUDA11.2+cudnn8.2.0+pytorch1.8.0 环境——个人配置经验
Win10+MX250+CUDA11.3+cuDNN+Pytorch安装


前言

由于本人今年CS准研一小白,入门深度学习的过程中,在学长的推荐下学习了李沫大神的《动手学深度学习》,在安装的pytorch环境的过程钟遇到的一些坑,在此特意分享踩坑心得,也防止下次换电脑重新装新的环境的时候避免再次遇到同样的问题。


一、安装Miniconda

这里根据李沫大神的《动手学深度学习》的安装教程进行安装的,大家也可以选择安装完整的conda。最简单的方法就是安装依赖Python 3.x的Miniconda。 如果已安装conda,则可以跳过以下步骤。

1、进入Miniconda官网:https://conda.io/en/latest/miniconda.html
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记

二、创建conda环境

1.打开控制台
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
2.输入命令:

conda create --name torch_gpu python=3.8

GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
其中的torch_gpu为anaconda下虚拟环境名称,可自定义,python=3.8为选择安装的python版本。
然后输入Y,按回车则进行创建,创建完成后是这个界面就证明创建成功了。
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
接着启用创建的环境:

conda activate torch_gpu

我们可以使用conda list命令来查看当前conda环境中有哪些包。
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
关闭该环境的话,输入指令:conda deactivate

三.安装pytorch深度学习框架和d2l软件包

这里按照李沫的教程傻乎乎的pip跟着安装,最后发现是cpu版本,后来把好不容易下好的包又卸载掉了,如果电脑没有gpu的话,可以安装cpu版本,但是后期可能在大型网络的训练上就会很慢。如果需要安装CPU版本的话就是如下命令。

pip install torch==1.11.0  
pip install torchvision==0.12.0

我们的下一步是安装d2l包,以方便调取本书中经常使用的函数和类:

pip install d2l==0.17.5

好了这里不废话了
现在正式开始我们Pytorch-GPU版本的安装
第一步,我们首先需要确定自己的显卡cuda版本,查下英伟达的驱动和cuda的对应关系。
查看自己cuda版本方法如下,打开英伟达控制面板–>系统信息–>组件
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记

如果是老的显卡驱动可能cuda版本是10.2,这里我提前更新了一下显卡驱动,因为pytorch官网说win10不支持10.2cuda,支持11.3。
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
我的驱动版本是465.89驱动,刚好满足cuda 是11.3
如果大家的环境和我一样,官网下载太慢了,我这里提供我的465.89驱动+cuda11.3+cudnn8.2的百度网盘下载链接。

链接:https://pan.baidu.com/s/1vBn98D7D2VzTvAdZ4ir91w
提取码:psck

英伟达Game驱动和Studio驱动有什么区别?其实Game驱动针对游戏玩家安装,为各大游戏提供绝佳的游戏体验。studio字面就是工作室,原来叫creator driver,适合CG行业方面的从业人员,推荐安装Studio版本,在稳定性和三维软件的针对性上有优化加成吧。
到官方下载英伟达驱动 https://www.nvidia.cn/geforce/drivers/

第一步先下载cuda11.3,链接:https://developer.nvidia.com/cuda-toolkit-archive
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
下载好之后默认安装就可以了。
安装完成检查cuda是否安装成功
在命令行输入

nvcc -V

如图所示则为成功
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记

第二部下载cudnn8.2,链接:https://developer.nvidia.com/cudnn

下载cuDNN需要注册NVIDIA账号并登录,我使用qq邮箱可以正常收发邮件。
邮箱验证完后,补全一些信息即可。
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
下载好解压文件夹到桌面,可以得到如下的目录。
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
然后找到cuda,英伟达安装的位置,默认安装文件夹的位置应该是在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
然后把bin ;include ;lib文件夹复制过去。
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记

四、pytorch-gpu安装

在刚刚创建的环境中安装pytorch, 在pytorch 官网 https://pytorch.org/get-started/locally/ 找到对应的下载指令进行下载,选择与自己环境匹配的,如下是我的环境配置:
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
在已经激活的环境中输入上图红框中的命令:

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

默认pytorch官网为下载源,下载速度太慢,很容易报错,所以更改为清华大学镜像,命令行输入下面的命令:

#添加Anaconda的清华镜像
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/cloud/pytorch/
#设置搜索时显示通道地址
config --set show_channel_urls yes
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记

然后在输入:
conda install pytorch torchvision cudatoolkit=11.3
注意要把后面的-c pytorch去掉,不然还是使用的默认源下载。
根据提示安装后,进行测试:

import torch
torch.cuda.is_available()

GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
如果显示True则证明安装成功。
这里我就在想为什么呢?GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记

我们用conda list查看发现清华源下载的是cpu版本的pytorch
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
确实好像是装成了cpu的版本
卸载命令:conda uninstall xxx //卸载xxx包

conda uninstall pytorch

注:如果要删除自定义源更换回conda的默认源,直接删除channels即可,命令如下:

conda config --remove-key channels

然后采用官网默认的源进行安装就成功了,就是速度很慢。

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

五、测试

最后安装完成之后再进行验证。

conda activate d2l-gpu
(d2l-gpu) C:\Users\Administrator>python
Python 3.8.13 | packaged by conda-forge | (default, Mar 25 2022, 05:59:00) [MSC v.1929 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()  # cuda是否可用
True
>>> print(torch.version.cuda) # 查看pytorch 对应的cuda版本
11.3
>>> print(torch.__version__) # 查看pytorch版本
1.11.0
>>> torch.cuda.device_count() # 返回gpu数量
1
>>> torch.cuda.get_device_name(0) # 返回gpu名字,设备索引默认从0开始;
'NVIDIA GeForce GTX 1060'
>>> torch.cuda.current_device() # 返回当前设备索引
0
>>> print(torch.backends.cudnn.version()) #检测cudnn可用性
8200
>>>

通过nvcc -Vnvidia-smi分别查看cuda版本
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
大功告成!
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记文章来源地址https://www.toymoban.com/news/detail-460308.html


到了这里,关于GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 全网最新最全的基于Tensorflow和PyTorch深度学习环境安装教程: Tensorflow 2.10.1 加 CUDA 11.8 加 CUDNN8.8.1加PyTorch2.0.0

    本文编写日期是:2023年4月. Python开发环境是Anaconda 3.10版本,具体Anaconda的安装这里就不赘述了,基础来的。建议先完整看完本文再试,特别是最后安装过程经验分享,可以抑制安装过程中一些奇怪的念头,减少走弯路。 目录 1. NVidia驱动安装  2. 安装CUDA Toolkit 3. 安装Tensorfl

    2024年02月08日
    浏览(52)
  • GPU深度学习环境搭建:Win10+CUDA 11.7+Pytorch1.13.1+Anaconda3+python3.10.9

    在命令行中输入【nvidia-smi】可以当前显卡驱动版本和cuda版本。 根据显示,显卡驱动版本为:Driver Version: 516.59,CUDA 的版本为:CUDA  Version 11.7。 此处我们可以根据下面的表1 显卡驱动和cuda版本对应关系得知,Driver Version: 527.47  516.31,所以可以使用 CUDA Version 11.7 CUDA工具版本

    2024年04月26日
    浏览(73)
  • Python&aconda系列:GPU深度学习环境搭建:Win11+CUDA 11.7+Pytorch1.12.1+Anaconda以及对应版本

    官方推荐的cuda版本为10.2和11.3,这两种 cuda 支持大多数的 pytorch 版本。 以下是Pytorch和CUDA对应的版本 CUDA 环境 PyTorch 版本 9.2 0.4.1、1.2.0、1.4.0、1.5.0(1)、1.6.0、1.7.0(1) 10.0 1.2.0、1.1.0、1.0.0(1) 10.1 1.4.0、1.5.0(1)、1.6.0、1.7.0(1) 10.2 1.5.0(1)、1.6.0、1.7.0(1)、1.8.0(1)、1.9.0、1.9.0、1.10.0、1.

    2024年02月02日
    浏览(77)
  • win11 + insightface + pytorch + CUDA + cuDNN 实战安装

    安装攻关秘籍,步骤如下: 第一步. 下载 pycharm 社区版 官网在这里:https://www.jetbrains.com/pycharm/download/?section=windows 第二步. 下载 anaconda (最新版) // 参考下面文章来执行安装anaconda Windows下Miniconda+Pytorch+Pycharm开发环境搭建指南 第三步. 配置 anaconda 的path和加速下载源 加速下载源

    2024年01月17日
    浏览(38)
  • pytorch环境配置(装cuda、cudnn)win10+cuda10.1+cudnn7.6.5+torch1.7.1 && 集显装pytorch

    为了装这个走了太多坑了,所以想写一篇具体教程,有缘人看吧,希望能解决你的问题。(第一次写文章啥也不懂,万一冒犯了啥,麻烦告知我改) 我anaconda很早就装过了,所以这里就不细说了。 电脑配置:win10+1050显卡(很久前买的电脑的) 一些弯路:现在的pytorch安装是可

    2024年02月04日
    浏览(51)
  • Pytorch、CUDA和cuDNN的安装图文详解win11(解决版本匹配问题)

    本文已收录于Pytorch系列专栏: Pytorch入门与实践 专栏旨在详解Pytorch,精炼地总结重点,面向入门学习者,掌握Pytorch框架,为数据分析,机器学习及深度学习的代码能力打下坚实的基础。免费订阅,持续更新。 可能出现的问题: CUDA和cuDNN版本不匹配 CUDA和Pytorch版本不匹配

    2023年04月18日
    浏览(57)
  • ubuntu20.04系统4060安装cuda11.8和cudnn8.6

    在终端输入: 安装代码: 重启电脑(这一步很重要,不重启没有效果): 安装命令 CUDA默认安装在/usr/local/目录下,一般Change Toolkit Install Path可以不做修改。但如果是普通用户安装,需设定安装路径为用户主目录下,光标移动到Change Toolkit Install Path按回车,手动修改安装路径后按

    2024年01月16日
    浏览(57)
  • Win 10 版NVIDIA GeForce GTX 1060显卡驱动的下载及飞桨(Paddle)的安装

    2、在打开的NVIDIA窗口中,我们点击:驱动程序; 3、下面打开的是NVIDIA驱动程序下载的页面(NVIDIA系列显卡),在这里我们要进行产品类型、产品系列、产品、操作系统和语言、下载类型的选择。 4、第一步我们选择的是产品类型,以 GTX 1060为例来说明操作步骤,如 NVIDIA Ge

    2024年02月06日
    浏览(37)
  • Ubuntu22.04 LTS + CUDA12.3 + CUDNN8.9.7 + PyTorch2.1.1

    本文记录Ubuntu22.04长期支持版系统下的CUDA驱动和cuDNN神经网络加速库的安装,并安装PyTorch2.1.1来测试是否安装成功。 如果是旧的不支持UEFI启动的主板,请参考本人博客U盘系统盘制作与系统安装(详细图解) 如果是新的支持UEFI启动的主板,请参考本人博客UEFI下Windows10和Ubun

    2024年02月03日
    浏览(41)
  • Halcon22.11+Win10+RTX3060显卡(配置CUDA和cuDNN深度学习环境)

    官网下载安装包(需要注册才能下载) 提示:它和VS2019联合开发,所以要安装VS2019  具体安装步骤参考:https://zhuanlan.zhihu.com/p/590352632   相关的安装包比如CUDA、cudnn版本需要下载到本地安装。  CUDA版本选择,已本人的为例:在NVIDIA控制面板可以看到RTX3060驱动目前最高支持

    2024年02月16日
    浏览(57)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包