cuda+anaconda+pytorch按照教程

这篇具有很好参考价值的文章主要介绍了cuda+anaconda+pytorch按照教程。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。

首先安装显卡对应的CUDA版本,关键点在于区别显卡支持的CUDA最高版本和运行版本

1、查看当前显卡支持的最高版本,有两种方式:
1)NVIDIA控制面板—>帮助—>系统信息—>组件—>NVCUDA.dll对应版本
请注意,12.2为本机CUDA支持的最高版本
cuda+anaconda+pytorch按照教程,pytorch,人工智能,python

nvidia-smi

nvidia-smi显示的同上,也表示cuda支持的最高版本
cuda+anaconda+pytorch按照教程,pytorch,人工智能,python
安装cuda后在cmd窗口使用nvcc -V命令看到的是自己安装的cuda版本,这个安装后不会修改自己nvidia显卡控制台上的版本,但这个版本要低于nvidia显卡控制台上显示的版本
cuda+anaconda+pytorch按照教程,pytorch,人工智能,python

安装对应CUDA版本并查看

按照CUDA时需要对应torch的版本,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。
1、以下是Pytorch和CUDA对应的版本
cuda+anaconda+pytorch按照教程,pytorch,人工智能,python
2、以下是Pytorch和Python对应的版本
cuda+anaconda+pytorch按照教程,pytorch,人工智能,python
3、安装CUDA 11.3版本
1)CUDA 安装包官网
cuda+anaconda+pytorch按照教程,pytorch,人工智能,python
下载对应安装包并默认按照即可,安装效果如下:
cuda+anaconda+pytorch按照教程,pytorch,人工智能,python上述11.3即对应的cuda版本

ncvv -V  #查看并检查电脑对应cuda版本

cuda+anaconda+pytorch按照教程,pytorch,人工智能,python

环境配置方法1,2023最新pytorch2.0 gpu cuda安装教程

# 分割线,2023最新pytorch2.0 gpu cuda安装教程
两种方法:从官网选择用cuda命令或者pip命令,官方直达

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117  #cu117表示cuda是11.7版本

cuda+anaconda+pytorch按照教程,pytorch,人工智能,python

cuda+anaconda+pytorch按照教程,pytorch,人工智能,pythoncuda+anaconda+pytorch按照教程,pytorch,人工智能,python

接着创建anaconda环境并按照gpu版本的pytorch

1、首先创建环境

conda create -n pytorch python=3.7

2、接着在安装torch时,先配置好anaconda的镜像源。由于刚开始c盘并没有配置镜像源的文件,《C:\Users\Admin.condarc》,安装anaconda时关于windows系统没有.condarc文件的处理

conda config --set show_channel_urls yes

同时配置清华镜像源

show_channel_urls: true
ssl_verify: true
remote_read_timeout_secs: 100000.0
channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
  - conda-forge
report_errors: true

3、安装gpu版本的torch有以下教程,最简单的是直接使用下面这条命令

conda install pytorch torchvision torchaudio cudatoolkit=11.3

但是,安装的总是cpu版本的torch,主要是因为不能同时匹配cuda对用的gpu版torch,conda按照总是体术pytorch对应的cpu版本,如下图:

cuda+anaconda+pytorch按照教程,pytorch,人工智能,python

conda安装GPU版pytorch,结果却是cpu版本[找到问题根源,从容解决。

上述解决方法从根本上解决版本不对应问题,主要通过先查看清华镜像源的方式。
1)先看清华镜像源cuda对应的安装包版本,清华镜像源
cuda+anaconda+pytorch按照教程,pytorch,人工智能,python
cuda+anaconda+pytorch按照教程,pytorch,人工智能,python
以cuda 11.3为例,其对应的torch==1.10.0,cudnn=8.0,进一步需查看torch对应的torchvision版本,链接详情如下:
cuda+anaconda+pytorch按照教程,pytorch,人工智能,python
至此,准备工作结束!

4、使用以下命令先安装cudatoolkit,接着cudnn,最后pytorch、torchvision。
1)安装 cudatoolkit,其实环境里面的

conda install cudatoolkit=11.3 # 安装 cuda

cuda+anaconda+pytorch按照教程,pytorch,人工智能,python
2)安装 cudnn

conda install cudnn=8.0 # 安装cudnn

3)安装 pytorch

conda install pytorch==1.10.0 torchvision==0.11.1 cudatoolkit=11.3
  1. 检查
    cuda+anaconda+pytorch按照教程,pytorch,人工智能,python
  2. 测试
import torch
print(torch.__version__)  #注意是双下划线
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name())

cuda+anaconda+pytorch按照教程,pytorch,人工智能,python文章来源地址https://www.toymoban.com/news/detail-651480.html

到了这里,关于cuda+anaconda+pytorch按照教程的文章就介绍完了。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

  • 人工智能(pytorch)搭建模型9-pytorch搭建一个ELMo模型,实现训练过程

    大家好,我是微学AI,今天给大家介绍一下人工智能(pytorch)搭建模型9-pytorch搭建一个ELMo模型,实现训练过程,本文将介绍如何使用PyTorch搭建ELMo模型,包括ELMo模型的原理、数据样例、模型训练、损失值和准确率的打印以及预测。文章将提供完整的代码实现。 ELMo模型简介 数据

    2024年02月07日
    浏览(67)
  • 人工智能学习07--pytorch15(前接pytorch10)--目标检测:FPN结构详解

    backbone:骨干网络,例如cnn的一系列。(特征提取) (a)特征图像金字塔 检测不同尺寸目标。 首先将图片缩放到不同尺度,针对每个尺度图片都一次通过算法进行预测。 但是这样一来,生成多少个尺度就要预测多少次,训练效率很低。 (b)单一特征图 faster rcnn所采用的一种方式

    2023年04月12日
    浏览(74)
  • 人工智能:Pytorch,TensorFlow,MXNET,PaddlePaddle 啥区别?

    学习人工智能的时候碰到各种深度神经网络框架:pytorch,TensorFlow,MXNET,PaddlePaddle,他们有什么区别? PyTorch、TensorFlow、MXNet和PaddlePaddle都是深度学习领域的开源框架,它们各自具有不同的特点和优势。以下是它们之间的主要区别: PyTorch是一个开源的Python机器学习库,它基

    2024年04月16日
    浏览(69)
  • 人工智能(Pytorch)搭建模型6-使用Pytorch搭建卷积神经网络ResNet模型

    大家好,我是微学AI,今天给大家介绍一下人工智能(Pytorch)搭建模型6-使用Pytorch搭建卷积神经网络ResNet模型,在本文中,我们将学习如何使用PyTorch搭建卷积神经网络ResNet模型,并在生成的假数据上进行训练和测试。本文将涵盖这些内容:ResNet模型简介、ResNet模型结构、生成假

    2024年02月06日
    浏览(78)
  • 人工智能学习07--pytorch14--ResNet网络/BN/迁移学习详解+pytorch搭建

    亮点:网络结构特别深 (突变点是因为学习率除0.1?) 梯度消失 :假设每一层的误差梯度是一个小于1的数,则在反向传播过程中,每向前传播一层,都要乘以一个小于1的误差梯度。当网络越来越深的时候,相乘的这些小于1的系数越多,就越趋近于0,这样梯度就会越来越小

    2023年04月11日
    浏览(159)
  • 人工智能(Pytorch)搭建模型2-LSTM网络实现简单案例

     本文参加新星计划人工智能(Pytorch)赛道:https://bbs.csdn.net/topics/613989052  大家好,我是微学AI,今天给大家介绍一下人工智能(Pytorch)搭建模型2-LSTM网络实现简单案例。主要分类三个方面进行描述:Pytorch搭建神经网络的简单步骤、LSTM网络介绍、Pytorch搭建LSTM网络的代码实战 目录

    2024年02月03日
    浏览(66)
  • AI写作革命:PyTorch如何助力人工智能走向深度创新

    身为专注于人工智能研究的学者,我十分热衷于分析\\\"AI写稿\\\"与\\\"PyTorch\\\"这两项领先技术。面对日益精进的人工智能科技,\\\"AI写作\\\"已不再是天方夜谭;而\\\"PyTorch\\\"如璀璨明珠般耀眼,作为深度学习领域的尖端工具,正有力地推进着人工智能化进程。于此篇文章中,我将详细解析\\\"

    2024年04月13日
    浏览(57)
  • 人工智能(pytorch)搭建模型10-pytorch搭建脉冲神经网络(SNN)实现及应用

    大家好,我是微学AI,今天给大家介绍一下人工智能(pytorch)搭建模型10-pytorch搭建脉冲神经网络(SNN)实现及应用,脉冲神经网络(SNN)是一种基于生物神经系统的神经网络模型,它通过模拟神经元之间的电信号传递来实现信息处理。与传统的人工神经网络(ANN)不同,SNN 中的

    2024年02月08日
    浏览(50)
  • 人工智能TensorFlow PyTorch物体分类和目标检测合集【持续更新】

    1. 基于TensorFlow2.3.0的花卉识别 基于TensorFlow2.3.0的花卉识别Android APP设计_基于安卓的花卉识别_lilihewo的博客-CSDN博客 2. 基于TensorFlow2.3.0的垃圾分类 基于TensorFlow2.3.0的垃圾分类Android APP设计_def model_load(img_shape=(224, 224, 3)_lilihewo的博客-CSDN博客   3. 基于TensorFlow2.3.0的果蔬识别系统的

    2024年02月09日
    浏览(62)
  • 人工智能(pytorch)搭建模型17-pytorch搭建ReitnNet模型,加载数据进行模型训练与预测

    大家好,我是微学AI,今天给大家介绍一下人工智能(pytorch)搭建模型17-pytorch搭建ReitnNet模型,加载数据进行模型训练与预测,RetinaNet 是一种用于目标检测任务的深度学习模型,旨在解决目标检测中存在的困难样本和不平衡类别问题。它是基于单阶段检测器的一种改进方法,通

    2024年02月15日
    浏览(96)

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