详解win10下pytorch-gpu安装以及CUDA详细安装过程

1.Cuda的下载安装及配置

首先我们要确定本机是否有独立显卡。在计算机-管理-设备管理器-显示适配器中，查看是否有独立显卡。

可以看到本机有一个集成显卡和独立显卡NVIDIA GetForce GTX 1050。

接下来，测试本机独立显卡是否支持CUDA的安装，点击此处查询显卡是否在列表中。

从上图中，可以看到我本机的独立显卡是支持CUDA安装的，计算力是6.1。

那么，接下来就是选择CUDA进行安装即可，点击此处

这里我选了CUDA Toolkit10.0的版本，至于选择哪个版本，个人认为应该没多大差别，一般就是看这个版本是否要求GPU的计算能力是多少以上。大约是2.1G。我用windows的IDM下载工具下载的，速度蛮快的。

接着就是安装过程，双击打开显示临时解压目录，不需要改变，默认即可。

接下来，进入NVIDIA安装过程，在这安装过程中，我一开始直接选择的精简安装，但由于VS的原因，导致无法正常安装，于是我换成了自定义的安装方式，并将VS勾给去掉，便可以正常安装了，至于CUDA的安装目录，大家默认安装在C盘即可。

安装完成之后，便是配置环境变量。环境变量配置如下图所示。

测试CUDA是否正常安装。可以看到测试成功，接着进行cudnn的下载。

2.CUDNN的下载及配置

点击此处，选择下载download cudnn，但这里需要你注册一个账号，然后进行问卷之后才可以进行下载页面，反正一步步操作即可。

然后因为我上一步CUDA的版本是10.0,而CUDNN的版本要跟CUDA版本一致，所以选择第二个下载即可。

下载之后，解压缩，将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可。

3.pytorch-gpu的安装

直接来到Pytorch的官网，此处，因为根据自己的配置进行选择，我试过用conda安装，但是conda安装老是不成功，也替换过清华镜像源，但速度实在是龟速，半天没动静。虽然pip下载也蛮慢，但至少可以安装成功。这里我对pip的安装方式，稍作修改，让其直接从清华镜像源下载。然后慢慢等待安装成功即可。

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.2.0 torchvision==0.4.0 -f https://download.pytorch.org/whl/torch_stable.html

然后命令行验证pytorch是否正常安装成功，这里可以正常打印出版本号，安装没问题。

import torch
print(torch.__version__)

但接下来我尝试让其输出是否可以正常调用CUDA，却输出False.

print(torch.cuda.is_available())

经过一段时间的交流，找到问题所在。因为我本机是集成显卡和独立显卡并存，可能是因为默认调用集成显卡而造成的问题，那么接下来就是将独立显卡设为默认即可。

但我因为多次尝试的结果，成功将我本机的NAVIDIA控制面板给卸载掉了，无法正常打开，所以我还需要重新下载NVIDIA的控制面板，来到官网此处，选择对应的版本下载安装即可。

然后右键打开NIVIDIA控制面板，选择管理3D设置，全局设置中选择高性能NVIDIA处理器即可。

然后在命令行下重新输入

import torch
print(torch.cuda.is_available())

即可返回True，若还返回False的话 ，记得重启一下电脑，遇到问题重启一下电脑，看是否可以正常显示。

到此这篇关于win10下pytorch-gpu安装以及CUDA详细安装过程的文章就介绍到这了,更多相关pytorch-gpu安装及CUDA安装内容请搜索我们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我们！

赞 (0)

相关推荐

  • win10使用清华源快速安装pytorch-GPU版(推荐)

    检查自己的cuda是否安装好 在anaconda prompt中输入 nvcc -V 显示如上面表示安装好了. 配置清华园下载环境 同样在在anaconda prompt中输入 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/

  • 详解anaconda离线安装pytorchGPU版

    在网速不好的情况下,如何用离线的方式安装pytorch.这里默认大家已经安装了anaconda了. 安装Nvidia驱动.cuda.cudnn等依赖 首先安装vs社区版,如果已经安装过可以跳过这一步,下载地址 安装以下两个组件即可,不用全部装上. 之后安装nvidia驱动,注意自己显卡和驱动的对应关系,下载地址 我的显卡是940M,对应如下选项: 安装cuda 这里要注意查看驱动和cuda的对应关系,首先查看自己下载的驱动文件名, 可以看到最开始有个数字,这个就是驱动版本,和cuda会有下图类似

  • Windows10+anacond+GPU+pytorch安装详细过程

    1.查看自己电脑是否匹配GPU版本. 设备管理器查看. 查看官网是否匹配.地址:https://developer.nvidia.com/cuda-gpus  ** 2.进入NVIDIA对电脑版本进行查**看. 如果可以的的话可以自己卸载原来版本,后安装新版本.安装地址https://developer.nvidia.com/cuda-toolkit-archive 接下来,进入NVIDIA安装过程,在这安装过程中,我一开始直接选择的精简安装,但由于VS的原因,导致无法正常安装,于是我换成了自定

  • Win10+GPU版Pytorch1.1安装的安装步骤

    安装cuda 更新nvidia驱动 打开GeForce Game Ready Driver或在GeForce Experience中下载符合自己gpu的程序. 选择cuda 打开nvidia控制面板 点击帮助.点击系统信息.在点击组件在3D设置中可以看到cuda信息 在我升级过nvidia驱动后,cuda的版本更新到了10.1.接下来下载cuda . cuda10.1安装完毕. 安装cuDNN 在安装了cuda10.1后选择对应的cuDNN版本v7.6.1 解压文件,然后添加bin目录到环境变量

  • 详解win10下pytorch-gpu安装以及CUDA详细安装过程

    详解win10下pytorch-gpu安装以及CUDA详细安装过程

    1.Cuda的下载安装及配置 首先我们要确定本机是否有独立显卡.在计算机-管理-设备管理器-显示适配器中,查看是否有独立显卡. 可以看到本机有一个集成显卡和独立显卡NVIDIA GetForce GTX 1050. 接下来,测试本机独立显卡是否支持CUDA的安装,点击此处查询显卡是否在列表中. 从上图中,可以看到我本机的独立显卡是支持CUDA安装的,计算力是6.1. 那么,接下来就是选择CUDA进行安装即可,点击此处 这里我选了CUDA Toolkit10.0的版本,至于选择哪个版本,个人认为应

  • Win10下最新版CLion(2020.1.3)安装及环境配置教程详解

    前言 CLion 是 JetBrains 推出的全新的 C/C++ 跨平台集成开发环境.   没想到,我竟然又安装了CLion !!!∑(ﾟДﾟノ)ノ,不过说实话,JetBrains家的IDE除了吃内存外,确实好用,无论是PyCharm还是IntelliJ IDEA.这还是我二年级学数据结构时用的IDE,比Dev C++好用多的多,虽然考完试我就给它卸载了. 1. 下载安装   下载还是要去官网,建议不要去什么第三方啊之类,官网下载,安全又干净,下载完直接双击安装就是了.   在这里提醒三点:1

  • 详解Linux 下开发微信小程序安装开发工具

    详解Linux 下开发微信小程序安装开发工具 1. git clone https://github.com/yuan1994/wechat_web_devtools 然后创建一个文件夹 mkdir /opt/tencent/ 移动文件 mv ./wechat_web_devtools /opt/tencent 修改用户组 chown -R root:root /opt/tencent/wechat_web_devtools 启动测试工具 /opt/tencent/wechat_web_devt

  • 详解Windows下PyCharm安装Numpy包及无法安装问题解决方案

    一.什么是NumPy Numpy--Numerical Python,是一个基于Python的可以存储和处理大型矩阵的库.几乎是Python 生态系统的数值计算的基石,例如Scipy,Pandas,Scikit-learn,Keras等都基于Numpy.使用Numpy, 可以进行: 1.数组和逻辑运算 2.傅里叶变换和图形操作实例 3.线性代数相关的运算操作 功能很强大有木有??? 但是 Python 官网上的发行版是不包含 NumPy 模块的.所以就需要我们自己来安装这个库. 很多人在学习Py

  • 详解Linux下的sudo及其配置文件/etc/sudoers的详细配置

    详解Linux下的sudo及其配置文件/etc/sudoers的详细配置 1.sudo介绍 sudo是linux下常用的允许普通用户使用超级用户权限的工具,允许系统管理员让普通用户执行一些或者全部的root命令,如halt,reboot,su等等.这样不仅减少了root用户的登陆 和管理时间,同样也提高了安全性.Sudo不是对shell的一个代替,它是面向每个命令的. 它的特性主要有这样几点: § sudo能够限制用户只在某台主机上运行某些命令. § sudo提供了丰富的日志,详细地记录了每个用

  • 详解如何使用Pytorch进行多卡训练

    详解如何使用Pytorch进行多卡训练

    目录 1.DP 2.DDP 2.1Pytorch分布式基础 2.2Pytorch分布式训练DEMO 当一块GPU不够用时,我们就需要使用多卡进行并行训练.其中多卡并行可分为数据并行和模型并行.具体区别如下图所示: 由于模型并行比较少用,这里只对数据并行进行记录.对于pytorch,有两种方式可以进行数据并行:数据并行(DataParallel, DP)和分布式数据并行(DistributedDataParallel, DDP). 在多卡训练的实现上,DP与DDP的思路是相似的: 1.每张卡都复制

  • 详解 IOS下int long longlong的取值范围

    详解 IOS下int long longlong的取值范围 32bit下: unsigned int 0-4294967295 int -2147483648-2147483647 unsigned long 和int一样 long 和int一样 long long的最大值:9223372036854775807 long long的最小值:-9223372036854775808 unsigned long long的最大值:1844674407370955161 __int64的最大值:92

  • 详解Android获得系统GPU参数 gl.glGetString

    详解Android获得系统GPU参数 gl.glGetString 通过文档的查找,以及源码的剖析,Android的GPU信息需要通过OpenGL来获取,android framework层提供GL10来获取相应的参数,而GL10要在使用自定义的View时才可以获得,下面是获得GPU信息的例子: 1.实现Render类 class DemoRenderer implements GLSurfaceView.Renderer { public void onSurfaceCreated(GL10

  • 详解Linux下读取位图的注意事项

    详解Linux下读取位图的注意事项 在Linux下读取位图遇到的问题,很好地体现了linux与Windows操作系统的不同.按理说位图格式与操作系统无关,读取也应该无关,实际上在位图读到内存中时已经不同.下面主要介绍自己在Linux下操作位图遇到的问题. (一).位图结构 位图一开始是两个结构体,包括位图的详细信息,是读取后面数据的关键.所以读取位图首先要正确读取这两个结构体:BITMAPFILEHEADER和BITMAPINFOHEADER.其具体定义为: typedef struct tag

  • 详解linux下利用crontab创建定时任务

    Linux下可以利用crontab创建定时任务. 常用搭配 crontab -e 编辑任务 crontab -l 查看所有任务[该用户] crontab -r 取消所有任务[该用户] 任务格式 × × × × × +命令(具体任务) 前5个参数表示时间,依次为: 参数 范围 分钟 0-59 小时 0-23 日期 1-31 月份 1-12 星期 0-6(0代表星期日) 特殊符号 为了精确表示定时,需要一些特殊符号来描述具体的任务执行时间.有以下几个符号: "/" 代表每,每隔多长时间 &

随机推荐