RTX3060安裝pytorch
- 1 安裝anaconda
- 2 查看本機顯卡支持的cuda最高版本
- （2）根據pytorch版本選擇要安裝的CUDA
- （3）下載安裝CUDA
- （4）下載cudNN
- （5）下載安裝剛剛選擇的pytorch版本
前不久剛剛入手了一臺新電腦，顯卡為RTX3060，在安裝環境的時候，踩了不少坑，現在將經驗總結如下：
1 安裝anaconda
這個可以看這個教程：https://blog.csdn.net/in546/article/details/117400839
需要注意的是，要記得添加到環境變數中
2 查看本機顯卡支持的cuda最高版本
在右下角中點擊“NVIDIA設定”
在彈出的視窗中點擊 幫助——系統資訊
在彈出的視窗中，選擇 組件 瀏覽頁，并在下面找到 NVCUDA64.DLL，在產品名稱那一欄可以看到本機支持的最高CUDA版本是11.2.162
如果是Linux系統，那么可以在命令列中輸入nvidia-smi（我在一臺服務器上演示這個命令，并非表示本機的RTX3060的顯卡）
（2）根據pytorch版本選擇要安裝的CUDA
進入pytorch官網的下載頁面：https://pytorch.org/get-started/locally/
可以看到，這里最新的穩定版本(1.10.1)目前僅支持CUDA 10.2和CUDA11.3兩種CUDA環境，但我們的機器支持的最高版本是11.2，無法安裝11.3的CUDA，而10.2的CUDA也無法安裝，因為7.X算力的CUDA不能安裝在8.X算力的顯卡上，即算力不能跨，（加入我的顯卡支持11.3的cuda，那就可以直接用命令了，后面的cuda和cudnn都可以不用裝了，因為命令里面有一句cudatoolkit=11.3，這就是安裝cuda工具的意思）
此時可以安裝更早的pytorch版本，點擊 install previous versions of PyTorch
在新跳轉的網頁中找到CUDA版本≤11.2對應的pytorch
我在v1.8.1下找到了支持CUDA11.1的pytroch版本
截圖中的安裝命令中，沒有安裝cuda的部分，因此接下來我們就安裝cuda11.1
其實可以直接安裝pytorch1.8.0，因為它的命令如下：
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge
這里連同cuda也一起安裝了，但我們這里還想演示一下cuda和cudnn的安裝，所以就安裝不帶cuda的版本，
（3）下載安裝CUDA
下載頁面在這：https://developer.nvidia.com/cuda-toolkit-archive
我的這臺機器，下面兩個都可以
下載之后安裝
（4）下載cudNN
根據cuda的版本下載對應的cudnn，下載頁面在這：https://developer.nvidia.com/cuDnn
登錄之后選擇配套的版本下載
截圖中的兩個，哪個都行
下載并解壓縮cudnn
將其中的所有檔案和檔案夾復制，然后在cuda的安裝目錄下粘貼，如果有提示，則替換，（CUDA默認安裝在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA中）
（5）下載安裝剛剛選擇的pytorch版本
剛剛我們選擇的是1.8.1版本的pytorch，我們在命令列鍵入
pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
接下來就老老實實等待就行，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/421859.html
標籤：AI