windows11+GPU1060安装强化学习环境之pytorch

这篇具有很好参考价值的文章主要介绍了windows11+GPU1060安装强化学习环境之pytorch。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。

这里大家看一个视频系列,讲得非常详细,链接在此:https://www.bilibili.com/video/BV1S5411X7FY?p=28&vd_source=3be739b673e1151850f4b8060ac78e1a
这里主要是说我遇到的问题以及解决办法。
首先,我的笔记本是有显卡的,只不过算力为6,较低,但是已经差不多了,主要是想在windows上操作,嗯,还有就是在服务器上很慢,只是两个情况都试了,谁最快完成就选择谁。
我是之前把我的独立显卡禁用了,因为不是英伟达显卡。自己笔记本有两个显卡,害怕会产生冲突。一切按视频讲解一番操作,但是在最后验证的时候是false,仔细观察下载的包计划,是cpu版本,阅读b站评论区网友的回答,得知没有gpu版本的所以选择了cpu版本下载,所以我降低了pytorch的版本,选择了11.7的版本,大家可以到这个链接上去看自己cuda版本对应的pytorch在你的下载网址到底有没有,因为我的下载地址是清华镜像,所以是这个链接https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
除此以外,我还遇到的一个问题就是cuda驱动的重新安装,这个百度可以搜索到教程,给出我参考的链接https://blog.csdn.net/qq_44703886/article/details/112859392?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170555638116800215084070%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=170555638116800215084070&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allbaidu_landing_v2~default-5-112859392-null-null.142v99pc_search_result_base6&utm_term=nvidia%E6%98%BE%E5%8D%A1%E9%A9%B1%E5%8A%A8%E5%AE%89%E8%A3%85%E6%95%99%E7%A8%8B&spm=1018.2226.3001.4187文章来源地址https://www.toymoban.com/news/detail-804475.html

到了这里,关于windows11+GPU1060安装强化学习环境之pytorch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

  • Windows环境下GPU版本pytorch安装

    通过官网引导就可以完成安装,或者通过下面网址复制conda安装命令,安装历史版本 Previous PyTorch Versions | PyTorch ​ 输出: 参考: Windows环境下Gpu版本的Pytorch安装_pytorch向下兼容吗_晓码bigdata的博客-CSDN博客

    2024年02月12日
    浏览(38)
  • Windows下PyTorch深度学习环境配置(GPU)

    (路径最好全英文) (下载好后,可以创建其他虚拟环境,因为是自己学习,所以先不放步骤,有需要者可以参考B站up我是土堆的视频) 1.确定显卡型号 (如图右上角,我是1050ti) 确定显卡算力 6.1 (更多CUDA和GPU间的算力关系可参考https://zhuanlan.zhihu.com/p/544337083?utm_id=0) 确

    2024年02月16日
    浏览(37)
  • CUDA 11.7 版本下安装Tensorflow-gpu以及Keras (Windows以及Ubuntu)

    ​ 记录:在复现论文代码时碰到使用keras环境,于是在自己windows系统的台式机(RTX 3080;CUDA 11.7)上进行了安装,但是发现台式机的显存无法支持程序的运行。于是将一摸一样的环境配置到更大现存的Ubuntu服务器(CUDA 11.7)上,但配置环境出错,一直无法调用GPU。经过一天的

    2024年02月01日
    浏览(44)
  • 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(55)
  • windows10系统PYthon深度学习环境安装(Anaconda3、PYthon3.10、CUDA11.6、CUDDN10、pytorch、tensorflow,Pycharm)

    一、 總體说明 1、說明:總體採用https://blog.csdn.net/zhizhuxy999/article/details/90442600方法,部分步驟由於版本變化,進行了調整。 2、基本概念 编程语言/编译器:Python。Python的特点是“用最少的代码干最多的事”。Python 2即在2020年停止更新,所以现在学习Python 3是最好的选择。 P

    2023年04月18日
    浏览(50)
  • 【深度学习环境搭建】Windows搭建Anaconda3、已经Pytorch的GPU版本

    无脑下载安装包安装(自行百度) 注意点: 1、用户目录下的.condarc需要配置(自定义环境的地址(别忘了给文件夹加权限);镜像源) 1、先看你的显卡版本 Win +R - 输入命令nvidia-smi,看你的cuda版本 2.下载离线版本安装包(在线也行,只要你有耐心) https://download.pytorch.org

    2024年02月02日
    浏览(40)
  • Pytorch深度强化学习:Gym安装与环境搭建教程(附基本指令表)

    本专栏重点介绍强化学习技术的数学原理,并且 采用Pytorch框架对常见的强化学习算法、案例进行实现 ,帮助读者理解并快速上手开发。同时,辅以各种机器学习、数据处理技术,扩充人工智能的底层知识。 🚀详情:《Pytorch深度强化学习》 强化学习是在潜在的不确定复杂环

    2024年02月05日
    浏览(82)
  • (纯小白向)Windows配置GPU深度学习环境:Cuda+Anaconda+pytorch+Vscode

    目录 一、Cuda和Cudnn下载安装 1.1 确定自己的电脑显卡驱动支持的Cuda版本 1.2 Cuda下载与安装 1.3 Cudnn下载与安装 二、Anaconda下载安装 2.1 下载 2.2 安装 2.3 手动配置环境变量 2.4 测试是否安装成功 三、Pytorch下载安装 3.1 创建conda虚拟环境 3.2 Pytorch下载 四、Vscode下载与环境配置 4.1

    2024年02月05日
    浏览(47)
  • Windows安装tensorflow-gpu(1050Ti,cuda11.6,cuDNN7.6.5,python3.6,tensorflow-gpu2.3.0)

    参考:https://blog.csdn.net/qq_43215538/article/details/123852028 首先查看本机GPU对应的cuda版本,如下图所示,本机cuda版本为11.6,后面选择的cuda版本不要超过这里的版本就好。 https://developer.nvidia.com/cuda-toolkit-archive选择相应的cudatoolkit版本下载,如这里选择版本一定要注意,因为cuda版本

    2023年04月08日
    浏览(34)
  • pytorch的深度学习环境安装配置(GPU版)

    目录 一些概念理解  0.anaconda配置国内镜像源  1.anaconda建立一个新的虚拟环境  2. 更新显卡驱动CUDA Driver  3. 安装pytorch 3.1 法(一):利用pip安装Pytorch 3.1.1 法(一)在线pip安装  3.1.2 法(二)本地pip安装 3.2 法(一):利用conda安装Pytorch 3.3 验证pytorch是否安装成功  4. Pychar

    2023年04月15日
    浏览(32)

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