pytorch的安装(CUDA10.2+cuDNN8.3.3+torch1.10+​torchvision​0.11.1+python3.9)

Posted 昔阳z

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了pytorch的安装(CUDA10.2+cuDNN8.3.3+torch1.10+​torchvision​0.11.1+python3.9)相关的知识,希望对你有一定的参考价值。

(已存网盘和硬盘,文件夹含三个文件)

本文基本逻辑是:

一、先根据电脑硬件的条件获取本身CUDA版本,据此以及表格比较得出cuDNN、torch、torchvision、python版本。

二、在NVIDIA官网下载CUDA和cuDNN,获取torch的下载链接,网页提供python3.9的下载链接

三、安装CUDA后,把cuDNN这个补丁装到CUDA里边,因为CUDA toolkit是CUDA的工具包,cuDNN是CUDA的加速器补丁;用环境为python3.9的pycharm执行官网的pip命令操作完成torch和torchvision的下载

最后检查

————————————————————————————————————————

这是最开始需要下载的东西(不下也行,反正本文需要python3.9以及pycharm)

python+anaconda+pycharm的安装,其中python3.11.1、conda 22.9.0

但是本文需要python3.9就很寄,不过没事可以下载两个python解释器

目录

一、确定版本部分

1.查看NVIDIA CUDA显卡的版本:10.2

2.查看CUDA(10.2)与cudnn(选择8.3.3)、PyTorch(选择1.10)、PyTorch(1.10)与torchvision(选择0.11.1,需要python3.9不能3.11)对应关系

二、下载部分

1. 下载CUDA Toolkit10.2

 2.下载cuDNN8.3.3

3.下载torch1.10和torchvision0.11.1

三、安装部分

1.CUDA Toolkit安装

  2.cuDNN8.3.3安装配置

3.torch 和 torchvision 的安装

检查部分


一、确定版本部分

windows10 版本安装 CUDA ,需要下载两个安装包CUDA toolkit(toolkit就是指CUDA工具包,CUDAToolkit与cuda版本相同)和cuDNN(用于深度神经网络的GPU加速库),两者都需要安装才可以调用GPU加速

总结部分:

CUDA 10.2、CUDAToolkit10.2(电脑固定)

pytorch1.10 、cudnn8.3.3、torchvision 0.11.1、python 3.9(选择)

1.查看NVIDIA CUDA显卡的版本:10.2

操作:cmd->nvidia-smi

  Driver Version: 430.90       CUDA Version: 10.2意思是:

显卡驱动版本 430.90       显卡支持最高CUDA版本10.2,意思是CUDA版本小于等于10.2的都可以安装上。

2.查看CUDA(10.2)与cudnn(选择8.3.3)、PyTorch(选择1.10)、PyTorch(1.10)与torchvision(选择0.11.1,需要python3.9不能3.11对应关系

cuda与cudnn对应的版本
cuda  : cudnn
11.5   :8.3.3、8.3.2、8.3.1、8.3.0、8.2.1、8.2.0
11.4   : 8.2.4、8.2.2、8.2.1、8.2.0
11.3   : 8.2.1、8.2.0
11.2   :8.2.1、8.2.0、8.1.1、8.1.0
11.1   : 8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.5、8.0.4
11.0   : 8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.4、8.0.3、8.0.2、8.0.1
10.2   :  8.3.3、8.3.2、8.3.1、8.3.0、8.2.4、8.2.2、8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.4、8.0.3、8.0.2、8.0.1、7.6.5
10.1  : 8.0.5、8.0.4、8.0.3、8.0.2、7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0
10.0  :  7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.3.0
9.2    :  7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.2.1、7.1.4、7.1.2

PyTorch与CUDA 对应的版本

PyTorch 版本CUDA 环境
0.4.1、1.2.0、1.4.0、1.5.0(1)、1.6.0、1.7.0(1)9.2
1.2.0、1.1.0、1.0.0(1)10.0
1.4.0、1.5.0(1)、1.6.0、1.7.0(1)10.1
1.5.0(1)、1.6.0、1.7.0(1)、1.8.0(1)、1.9.0、1.10.0(1/2)、1.11.0、1.12.0(1)10.2
1.7.0(1)11.0
1.8.0(1)、1.9.0、1.10.0(1/2)、1.11.011.1
1.8.0(1)、1.9.0、1.10.0(1/2)、1.11.0、1.12.0(1)11.3
1.11.011.5
1.12.0(1)11.6

torch 对应的torchvision和python版本

二、下载部分

CUDAToolkit10.2(电脑固定)

cudnn8.3.3、torch1.10 、torchvision 0.11.1、python3.9(根据对应情况选择)

1. 下载CUDA Toolkit10.2

CUDA Toolkit官方下载地址

找到对应版本10.2

这个就是下载之后的安装包

 2.下载cuDNN8.3.3

https://developer.nvidia.com/rdp/cudnn-archive

往下滑,找到对应版本

 双击之后,跳出下载界面,或者直接下载这个:https://developer.nvidia.com/compute/cudnn/secure/8.3.3/local_installers/10.2/cudnn-windows-x86_64-8.3.3.40_cuda10.2-archive.zip

最后得到:

3.下载torch1.10和torchvision0.11.1

这个链接是所有torch版本https://pytorch.org/get-started/previous-versions/

打开后下滑

 这个是conda下载,不用这个

这个是pip下载,用pip这样子的。下滑找到对应的版本,

我的是win10系统+cuda10.2+pytorch1.10,所以就是下图蓝色部分:

pip install torch==1.10.0+cu102 torchvision==0.11.0+cu102 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html

三、安装部分

1.CUDA Toolkit安装

双击运行-自定义,不过要注意的是

如果你是第一次安装,尽量全选
如果你是第n次安装,尽量只选择第一个,不然会出现错误

(总之新安装就是全默认)

下载完成后,查看系统变量中是否添加了路径,如果没有需要自己添加

测试环境是否安装成功: cmd打开命令提示符,输入nvcc -V、set cuda得到有效输出则按安装成功。

 

————————————CUDA Toolkit10.2安装完毕————————————

  2.cuDNN8.3.3安装配置

解压这个文件,得到下图

 把三个文件夹拷贝到cuda的安装目录下:C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.2

 让提供管理员权限就提供就行,cuDNN 其实就是 CUDA 的一个补丁而已

验证是否成功:

网上都说需要在系统环境变量中的 path 添加如下路径

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.2\\bin

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.2\\include

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.2\\lib

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.2\\libnvvp

但是我没添加,测试也成功了。。。

测试方法是,在C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.2\\extras\\demo_suite路径下,cmd,然后输入     .\\bandwidthTest.exe   

result=PASS就是ok 

————————————cuDNN8.3.3配置完毕————————————

3.torch 和 torchvision 的安装

 复制好 ,然后打开pycharm,这里是3.11版本的python环境

1.点开终端,2.粘贴安装代码

 出现错误:

问题是没有3.11版本对应的torch,所以下载python3.9,把pycharm的环境改成3.9再操作:

就得是python3.9环境下,点开pycharm后,在下边的“Terminal”点一下,然后粘贴上蓝色的部分

pip install torch==1.10.0+cu102 torchvision==0.11.0+cu102 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html

如下图:

 最后等待几分钟:

 验证是否成功:在pycharm里建一个py文件执行下面代码

import torch
if __name__ == '__main__':
    print(torch.__version__)
    print(torch.cuda.is_available())
    print(torch.version.cuda)

 返回:

 结束!

————————————————————————————————————

检查部分

可以用这6个语句检查一下 

set cuda
nvcc -V
PYTHON
import torch
print(torch.__version__)
print(torch.version.cuda)

以上是关于pytorch的安装(CUDA10.2+cuDNN8.3.3+torch1.10+​torchvision​0.11.1+python3.9)的主要内容,如果未能解决你的问题,请参考以下文章

cuda11,cudnn8.1,cuda10.2

保姆级教程Ubuntu18.04+Geforce 980Ti+安装CUDA10.2+Cudnn

Windows11 配置Cuda cuDNN Pytorch环境

2019 Mac13.6安装cuda+cudnn+pytorch

2019 Mac13.6安装cuda+cudnn+pytorch

Ubuntu20.04安装CUDA+CUDNN+Conda+PyTorch