关于Torch torchvision Python版本对应关系说明

目录
  • 1. torch- torchvision- python版本对应关系
  • 2. CUDA Toolkit 和PyTorch的对应关系
  • 3. 安装说明
    • 3.1 用anaconda安装pytorch
    • 3.2 不用Anaconda来管理环境
    • 3.3 对NVIDIA驱动的要求
    • 3.4 下载 .whl 文件离线安装

1. torch- torchvision- python版本对应关系

2. CUDA Toolkit 和PyTorch的对应关系

3. 安装说明

3.1 用anaconda安装pytorch

anaconda新建虚拟环境后，直接在pytorch官网官网链接找到“Install”按钮。这里一键搞定torch，torchvision，cudatoolkit等等。

  • 前提需要安装好NVIDIA驱动。
  • 不需要另外安装CUDA（笔者在没有单独安装CUDA情况下，成功运行了torch-gpu）。
  • 和机器已经装好的CUDA不发生冲突。
  • anaconda会自动对应torch，torchvision，cudatoolkit等的版本。
  • 这里一般下载最新的torch版本。

原因是anaconda将torch，torchvision，cudatoolkit等等都集成在虚拟环境里，统一管理依赖包。

有镜像源的情况下，去掉末尾的“-c pytorch”会更快，否则经常容易下载超时。conda下载超时时长可以设置。

conda config --show
conda config --set remote_connect_timeout_secs 40
conda config --set remote_read_timeout_secs 100

conda config --show		#查看conda设置
conda config --set 		#设置对应的参数

3.2 不用Anaconda来管理环境

仔细对照torch、torchvision、cuda之间的对应关系，还有NVIDIA和CUDA版本的关系。

3.3 对NVIDIA驱动的要求

和NVIDIA驱动直接关联的是CUDA的版本。

如果安装的是CUDA=10.0.130,那么在Windows系统要求NVIDIA驱动大于411.31,不需要严格等于411.31。

如果小于411.31，则会报错显示驱动版本过旧。

笔者是将NVIDIA驱动更新至最大456.38，正常使用。

3.4 下载 .whl 文件离线安装

https://download.pytorch.org/whl/torch_stable.html

根据前面的对应关系，下载好适合你的版本的 torch 、torchvision。

cu102 # 表示CUDA=10.2
cp37 # 表示python=3.7
linux or win 

下载好后，用pip安装，先cd 到下载的文件夹

pip install torch-1.7.0+cu101-cp36-cp36m-win_amd64.whl
pip install torchvision-0.8.0-cp36-cp36m-win_amd64.whl

测试GPU版本的torch是否安装成功

(torch) D:\MyData\xiaCN\Desktop\Work\unbiased> python
Python 3.6.13 (default, Feb 19 2021, 05:17:09) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()
True

以上为个人经验，希望能给大家一个参考，也希望大家多多支持我们。

赞 (0)

相关推荐

  • python 如何查看pytorch版本

    看代码吧~ import torch print(torch.__version__) 补充:pytorch不同版本安装以及版本查看 一:基于conda安装 conda create --name pytorch_learn python=3.6.7#创建一个名为pytorch_learn的环境 source activate pytorch_learn #进入环境 conda install pytorch=0.3.1 cuda80 -c soumith #安装pytorch0.3.1+ cu

  • 浅谈pytorch、cuda、python的版本对齐问题

    在使用深度学习模型训练的过程中,工具的准备也算是一个良好的开端吧.熟话说完事开头难,磨刀不误砍柴工,先把前期的问题搞通了,能为后期节省不少精力. 以pytorch工具为例: pytorch版本为1.0.1,自带python版本为3.6.2 服务器上GPU的CUDA_VERSION=9000 注意:由于GPU上的CUDA_VERSION为9000,所以至少要安装cuda版本>=9.0,虽然cuda=7.0~8.0也能跑,但是一开始可能会遇到各种各样的问题,本人cuda版本为10.0,安装cuda的

  • Anaconda配置各版本Pytorch的实现

    Anaconda配置各版本Pytorch的实现

    目录 1. 前言 2. 配置镜像源 3. pytorch,torchvision,python 版本对应 4. 创建并进入虚拟环境 5. Pytorch 0.4.1 6. Pytorch 1.0.0 7. Pytorch 1.0.1 8. Pytorch 1.1.0 9. Pytorch 1.2.0 10. Pytorch 1.4.0 11. Pytorch 1.5.0 12. Pytorch 1.5.1 13. Pytorch 1.6.0 14. Pytorch 1.7.0 15. Pytor

  • anaconda安装pytorch1.7.1和torchvision0.8.2的方法(亲测可用)

    anaconda安装pytorch1.7.1和torchvision0.8.2的方法(亲测可用)

    1. 创建一个新的环境 打开Anaconda Navigator,找不到的win10左下角输入一下就能找到了,如下图. 这里通过列表下面的create按钮可以创建一个新的环境,这里我将新环境起名为torch,右面列表中是我安装好的包,刚创建的时候没有这么多. 2. 从pytorch官网得到获取包的命令 打开Anaconda Prompt,输入activate 刚刚创建的环境名可以切换到刚刚创建的环境.这里我用的是下面的命令,你需要根据自己创建的环境名修改相应的激活名称. activate tor

  • 关于Torch torchvision Python版本对应关系说明

    关于Torch torchvision Python版本对应关系说明

    目录 1. torch- torchvision- python版本对应关系 2. CUDA Toolkit 和PyTorch的对应关系 3. 安装说明 3.1 用anaconda安装pytorch 3.2 不用Anaconda来管理环境 3.3 对NVIDIA驱动的要求 3.4 下载 .whl 文件离线安装 1. torch- torchvision- python版本对应关系 2. CUDA Toolkit 和PyTorch的对应关系 3. 安装说明 3.1 用anaconda安装pytor

  • 浅谈anaconda python 版本对应关系

    2020.2.20 更新日志: 本文的初衷是因为安装anaconda的时候你并不知道会包含哪个版本的python,因此我制作了下表 如果你使用的主要的python版本能在下表中找到,那安装对应的anaconda当然更好 但是如果你只是临时想用某个版本的python,或在下表中找不到对应的,你大可以直接安装最新的anaconda,然后用conda create来创建虚拟环境即可,不用非得找到对应的anaconda来装. 最佳的策略是你的机器上只保留一个anaconda,其中包含着你最常用的pyth

  • 详解Tensorflow不同版本要求与CUDA及CUDNN版本对应关系

    参考官网地址: Windows端:https://tensorflow.google.cn/install/source_windows CPU Version Python version Compiler Build tools tensorflow-1.11.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.10.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.9.0

  • 更改Ubuntu默认python版本的两种方法python-> Anaconda

    更改Ubuntu默认python版本的两种方法python-> Anaconda

    你可以按照以下方法使用 ls 命令来查看你的系统中都有那些 Python 的二进制文件可供使用. $ ls /usr/bin/python* /usr/bin/python /usr/bin/python2 /usr/bin/python2.7 /usr/bin/python3 /usr/bin/python3.4 /usr/bin/python3.4m /usr/bin/python3m 执行如下命令查看默认的 Python 版本信息: $ python --version Python 2.

  • python版本的读写锁操作方法

    本文实例讲述了python版本的读写锁操作方法.分享给大家供大家参考,具体如下: 最近要用到读写锁的机制,但是python2.7的自带库里居然木有. 网上讲读写锁的例子众多,但是原理简单,代码明晰的却不多见, 索性自己写个. 读写锁一般用于多个读者,1个或多个写者同时访问某种资源的时候.多个读者之间是可以共享资源的,但是写者与读者之间,写者与写者之间是资源互斥的. 这也就是说同时可以有多个读者或一个写者处于工作状态. 细分下来,读写锁可以分为三类,读者优先,写者优先和公开策略. 第一种,读者优先

  • 实现python版本的按任意键继续/退出

    某天在群内有同学问到,在python下我用input或者raw_input都得输入完后回车才能获取到输入的值,那如何实现任意键退出暂停等功能呢,我当时也没有多想,因为接触python时间也不算长,主要还是Linux下的. 要实现该功能,需要的就是暂停程序.等待并捕捉用户的一个键盘输入,然后继续执行.Python 有内建的库能帮我们实现该功能,不过要区别对待 Windows 和 Linux. 当然,Windows系统下会稍微简单一些,Windows系统下如果你安装了python的环境,默认自带的一

  • Linux更新Python版本及修改python默认版本的方法

    linux下更新Python版本并修改默认版本,有需要的朋友可以参考下. 很多情况下拿到的服务器python版本很低,需要自己动手更改默认python版本 1.从官网下载python安装包(这个版本可以是任意版本3.3 2.7 2.6等等) wget http://python.org/ftp/python/2.7/Python-2.7.tar.bz2 2.解压并安装 tar -jxvf Python-2.7.tar.bz2 cd Python-3.3.0 ./configure make al

  • pyenv命令管理多个Python版本

    从接触Python以来,一直都是采用 virtualenv 和 virtualenvwrapper 来管理不同项目的依赖环境,通过 workon . mkvirtualenv 等命令进行虚拟环境切换,很是愉快. 然而,最近想让项目能兼容更多的Python版本,例如至少同时兼容 Python2.7 和 Python3.3+ ,就发现采用之前的方式行不通了. 最大的问题在于,在本地计算机同时安装 Python2.7 和 Python3 后,即使分别针对两个Python版本安装了 virtualenv

  • centos下更新Python版本的步骤

    安装完CentOS5.9(Final)后,执行#Python与#python -V,看到版本号是2.4.3,很老了,而且之前写的都是跑在python3.X上面的,3.X和2.X有很多不同,有兴趣的朋友可以参考下这篇文章: http://www.jb51.net/article/34011.htm 更新python千万不要把老版本的删除!新老版本是可以共存的,很多基本的命令.软件包都要依赖预装的老版本python的,比如yum. 更新python: 第1步:更新gcc,因为gcc版本太老会导致新版

  • Linux下多个Python版本安装教程

    Linux下多个Python版本安装教程

    因为环境或学习的需要,我们可能需要在服务器上安装多个python版本,安装一个更新的python版本后,使用软链来进行共存. 这个时候需要进行源码编译安装. 当然后续开发项目可以直接跑在虚拟环境下隔离开来,就不再需要在服务器上安装多个不同版本的包了. 下载Python源码 从http://www.python.org/download/根据需要的版本下载源文件. 例如上图就是我在官网直接找到3.5.6版本的下载页面,点击的tar源码包进行下载. 编译安装 补充 注意编译安装python前最好先保

随机推荐