gpu的安装和使用
本文章基于李沐老师的《动手学深度学习》(pytorch版),在此学习观礼膜拜。
课程主页:https://courses.d2l.ai/zh-v2
教材: https://zh-v2.d2l.ai/
课程论坛讨论:https://discuss.d2l.ai/c/16Pytorch
论坛: https://discuss.pytorch.org/
首先为大家贴上关于gpu使用的课程链接:https://www.bilibili.com/video/BV1z5411c7C1?spm_id_from=333.999.0.0
因为前面李沐的课程安装的时候,使用的是cpu版本的pytorch,所以即使你的电脑有独立GPU的时候,也并不能调用GPU进行计算。我自己看攻略摸索弄了蛮久的,在这里为大家贴上我的安装过程,也是基于李沐课程最快捷的方式。
简述CPU版本的安装
- 安装Miniconda并配置好环境变量:去Miniconda官网找到对应版本(我选的是Windows installers中的Python 3.8 Miniconda3 Windows 64-bit),安装推荐教程;
2.打开开始/Anaconda Powershell Prompt (Miniconda)
,安装对应版本的pytorch和torchvision。你可以在清华镜像站找到python、putorch和torchvision对应的版本关系。然后再命令行内选择对应版本的链接。
1 | conda install https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/XXXXXXXXXXXXXXXXXXX |
查询你的GPU版本以及python相关包的版本
查询GPU型号和CUDA版本
zilangch/CSDN:conda换源+查看cuda版本+anaconda一步安装torch和cuda
为GPU安装合理的驱动,可以从官网下载。这里也有攻略:Win10+NVIDIA GeForce MX150: CUDA9+cuDnn+TensorFlow-GPU的安装教程
注意:这里的CUDA版本是随着驱动版本变化的,表示你后面要安装的CUDA不应该超过这里的版本号。
python及第三方包的版本号
因为最终要在d2l-zh这个虚拟环境里完成安装,所以你要先激活虚拟环境,然后进行检查。
1 | conda activate d2l-zh |
选定待下载的CUDA和cuddn的版本
你最终选定的版本应当符合以下几条要求:
- 你可以在清华镜像站里找到一些合适的对应版本。
- cuda版本确定时,cudnn的版本也会相应确定,可能有几个,影响不大。
CUDA下载地址:https://developer.nvidia.com/cuda-toolkit-archive
CUDNN下载地址:https://developer.nvidia.com/rdp/cudnn-archive - cuda的版本会对GPU驱动的版本号有要求,具体见官网文档。
最后以我上面的版本号为例,来演示怎么找到适合自己的版本:
综上,我选择的pytorch和torchvision版本即清华镜像站中的两个,cuda11.3,cudnn8.2.0
安装CUDA和对应的cudnn版本
Nvidia的网站大陆访问可能有点慢,要耐心。当然如果你可以在国内镜像网站找到也可以对应处理。
下载cudnn的时候需要注册账号,填入信息。
你也还是可以继续参考这个链接:Win10+NVIDIA GeForce MX150: CUDA9+cuDnn+TensorFlow-GPU的安装教程
安装GPU版本的pytorch和torchvision
这里应用了清华镜像。卡住的话可以回车试试。
1 | conda install https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/pytorch-1.11.0-py3.8_cuda11.3_cudnn8_0.tar.bz2 |
检验安装效果
1 | import torch |