当前位置: 首页> 房产> 政策 > PyTorch 2.0 GPU Nvidia运行库的安装

PyTorch 2.0 GPU Nvidia运行库的安装

时间:2025/7/11 1:17:29来源:https://blog.csdn.net/brucexia/article/details/140626621 浏览次数:0次

【图书推荐】《PyTorch深度学习与计算机视觉实践》-CSDN博客

假设读者电脑带有NVIDIA 20 以上系列的显卡。

我们以CUDA 11.7+cuDNN 8.2.0(其他更高版本的组合,读者可以执行查阅PyTorch官网获得)为例,讲解PyTorch 2.0 GPU版本的安装。对于GPU版本的PyTorch来说,由于调用了NVIDA显卡作为其代码运行的主要工具,因此额外需要NVIDA提供的运行库作为运行基础。

对于PyTorch 2.0的安装来说,最好的安装方法是根据官方提供的安装代码进行安装。PyTorch官方提供了两种安装模式。使用conda安装CUDA 11.7的代码如下:

conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

使用pip安装CUDA 11.7的代码如下:

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

当然,读者也可以根据自己电脑的GPU配置要求,查阅PyTorch和CUDA官网,找到适合的PyTorch、CUDA、cuDNN软件版本进行搭配安装。

下面将以CUDA 11.7为例讲解安装的方法。

首先是CUDA的安装。百度搜索CUDA 11.7 download,进入官方下载页面,选择适合的操作系统安装方式(推荐使用local(本地化)安装方式),如图2-16所示。

图2-16  CUDA下载页面

此时下载下来的是一个EXE文件,读者自行安装,不要修改其中的路径信息,完全使用默认路径安装即可。

下一步就是下载和安装对应的cuDNN文件。cuDNN的下载需要先注册一个用户,相信读者可以很快完成,之后直接进入下载页面,如图2-17所示。从下载页面上可以看到,CUDA 11.x对应的cuDNN v8.2.0版本。

注意:不要选择错误的版本,一定要找到对应的版本号。另外,如果读者使用的是Windows 64位的操作系统,直接下载x86_64版本的cuDNN即可。

图2-17  cuDNN下载页面

下载的cuDNN是一个压缩文件,将其解压到CUDA安装目录,如图2-18所示。然后就是配置环境变量,这里需要将CUDA的运行路径加载到环境变量的PATH路径中,如图2-19所示。

    

图2-18  CUDA安装目录

          

 图2-19  将CUDA路径加载到PATH中

最后完成PyTorch 2.0 GPU版本的安装,只需要输入下面代码测试一下。

import torchprint("PyTorch版本:", torch.__version__)
print("GPU是否可用:", torch.cuda.is_available())        # 查看GPU是否可用
print("GPU数量:", torch.cuda.device_count())        # 查看GPU数量
print("CUDA版本:", torch.version.cuda)  # torch方法查看CUDA版本
print("GPU索引号:", torch.cuda.current_device())    # 查看GPU索引号
print("GPU名称:", torch.cuda.get_device_name(0))    # 根据索引号得到GPU名称

《PyTorch深度学习与计算机视觉实践(人工智能技术丛书)》(王晓华)【摘要 书评 试读】- 京东图书 (jd.com)

关键字:PyTorch 2.0 GPU Nvidia运行库的安装

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

责任编辑: