[Configuración del entorno Pytorch: Linux/Windows]: tutorial de instalación detallado de cuda, cuDNN, pytorch, torchvision, torchaudio (informe de errores, instalación lenta)

Directorio de artículos

[Configuración del entorno Pytorch: Linux/Windows]: tutorial de instalación detallado de cuda, cuDNN, pytorch, torchvision, torchaudio (informe de errores, instalación lenta)

0. Informes de errores relacionados

Error: el controlador NVIDIA de su sistema es demasiado antiguo (se encontró la versión 11040).
Actualice su controlador de GPU descargando e instalando una nueva
versión desde la URL: http://www.nvidia.com/Download/index.aspx
Alternativamente, vaya a: https://pytorch.org para instalar
una versión de PyTorch que tenga ha sido compilado con su versión
del controlador CUDA.
Advertencia de usuario: no se pudo cargar la extensión de Python de la imagen: libc10_cuda.so: no se puede abrir el archivo de objeto compartido: no existe tal archivo o directorio
advertencia (f"No se pudo cargar la extensión de Python de la imagen: {e}")
AttributeError: el módulo 'torch._C' no tiene el atributo '_cuda_setDevice'

Las causas de estos problemas son básicamente la falta de coincidencia entre la versión cuda y torch*, o la falta de coincidencia entre torch y torchvision , etc. Sus soluciones son las mismas.

Se recomienda volver a crear un entorno (por supuesto, también puede desinstalar todos los paquetes dependientes relacionados con la antorcha y luego repararlos en el entorno original)
Luego siga las ideas a continuación.

1. Crea un nuevo entorno y actívalo.

conda create -n test python=3.8
conda activate test (source activate test)

2. Verifique la versión CUDA compatible con la máquina.

nvidia-smi

Esta computadora puede admitir la versión más alta de CUDA, 11.7, y el controlador es compatible con versiones anteriores, por lo que se pueden instalar versiones de CUDA inferiores o iguales a 11.7 .

3. Instale cuda, cuDNN, pytorch, torchvision, torchaudio (dos métodos)

Instalación de 3.1 pips (he realizado esto, así que recomiendo este método)

Puede ejecutar este comando directamente para descargar la versión correspondiente de PyTorch:

pip install torch==x.x.x+cu113 torchvision==x.x.x+cu113 torchaudio==x.x.x+cu113 -f \
https://download.pytorch.org/whl/torch_stable.html

Debido a que mi versión CUDA usa 11.4, pero no encontré nada relacionado con 11.4 en 3.3 a continuación, debido a la compatibilidad con versiones anteriores, elegí 11.3. Por lo tanto, debe agregar +cu113 al descargar la versión CUDA, pero algunas versiones no distinguen entre CPU y CUDA, por lo que no es necesario agregar +cu113 (otras versiones son similares, como +cu111, etc.). Se recomienda agregarlo primero y luego eliminarlo si no funciona.

Consulte el contenido en 3.3 para seleccionar el xxx correspondiente. Después de la selección, se muestra lo siguiente
Si cree que la descarga es muy lenta, puede agregar -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 -f \
https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple

Si no es necesario torchaudio, puede eliminarlo.

3.2 instalación de conda

Parece que no es necesario agregar cu113, la versión predeterminada de cuda (no parece seguro). Use conda para instalar CUDA Toolkit, PyTorch, torchvision y torchaudio:

conda install torch==x.x.x torchvision==x.x.x torchaudio==x.x.x cudatoolkit=x.x -c python

Si desea utilizar la duplicación doméstica, conda necesita agregar un canal. Se recomienda utilizar la fuente Tsinghua:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

Luego elimine -c python después del comando anterior:

conda install torch==x.x.x torchvision==x.x.x torchaudio==x.x.x cudatoolkit=x.x

Consulte el contenido en 3.3 a continuación para seleccionar el xxx correspondiente.

3.3 Selección de coincidencia de versión

Versiones correspondientes de CUDA y cuDNN, fuente de referencia: cuDNN Archive
cuda, cudatoolkit y antorcha
PyTorch corresponde a las versiones de torchvision y Python, fuente de referencia: Pytorch
Versiones correspondientes de PyTorch, torchaudio y Python, fuente de referencia: github