1.查看pytorch官網https://pytorch.org/，選擇合適的版本
我選擇的是pip安裝的CUDA11.1版本，此處注意顯卡是否支持CUDA版本，如果沒有顯卡，請使用CPU版的Pytorch
2.安裝CUDA
跟據所安裝的Pytorch選擇對應的CUDA版本，我選擇的是CUDA11.1版本
https://developer.nvidia.com/cuda-11.1.0-download-archive（下載網址）
下載后進行安裝
注意自己的顯卡驅動版本高于CUDA所要求的版本
我所使用的是465.89版本驅動，支持CUDA11.1
顯卡驅動下載
https://www.nvidia.cn/geforce/drivers/
安裝完成后，進入英偉達控制面板
點擊左下角的系統資訊，在組件中查看CUDA是否安裝成功
或者在命令列中使用nvidia-smi查看顯卡資訊
CUDA 有兩種API，分別是 運行時 API 和 驅動API，即所謂的 Runtime API 與 Driver API，
nvidia-smi 的結果除了有 GPU 驅動版本型號，還有 CUDA Driver API的型號，這里是 11.1，
而nvcc的結果是對應 CUDA Runtime API，
我之前安裝過高版本的cuda（11.3），nvidia-smi版本大于nvcc -V的版本不會有什么問題，只要保證高于要安裝的驅動就行，如果版本小了，可以去官網：https://www.nvidia.cn/geforce/drivers/ 下載高版本的，
參考鏈接：https://blog.csdn.net/congxing9333/article/details/112319570
3.安裝CuDNN
官網下載：https://developer.nvidia.com/zh-cn/cudnn
需要加入英偉達開發者社區
下載完成后解壓檔案夾，將解壓后的檔案夾下的檔案拷貝到cuda安裝目錄下，與之相對應的檔案夾下，
具體參考：https://blog.csdn.net/sinat_23619409/article/details/84202651
4.測驗Pytorch
使用Pycharm，建立一個空白python工程，創建一個測驗程式
import torch
print(torch.__version__) #注意是雙下劃線
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name())運行并查看結果
至此，GPU版本的Pytorch已經成功安裝
5注意事項
在安裝程序中，一定要注意自己的python版本，比如之前安裝過anoconda，將系統變數設定為anoconda，但一直使用pip安裝，所以Pytorch一直無法尋找到CUDA驅動，所以，安裝之前請設定好當前使用的python版本
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/289434.html
標籤：AI
上一篇：機器學習之Knn演算法