Références à cet article :
1. Créez un environnement virtuel
conda create -n mytorch python=3.82. Exécutez sudo nvidia-smi pour afficher la version CUDA
On voit qu'il est 11.4
La version CUDA du système détermine la version la plus élevée de cudatoolkit que le système peut prendre en charge, elle est rétrocompatible
Par exemple, si ma version CUDA = 11.4, alors elle peut prendre en charge CUDATookit ≤ 11.4
Maintenant que vous connaissez la version cuda de votre système, je vais utiliser un exemple d'utilisation de la source miroir Tsinghua pour configurer l'environnement d'apprentissage en profondeur cuda+cudnn+pytorch afin d'expliquer brièvement et directement comment procéder.
Rappelez-vous encore une fois, les opérations suivantes doivent également être effectuées à condition que vous activiez votre propre environnement virtuel !
3. Installez CUDATookit
Nous devons utiliser la commande suivante
conda install cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/J'ai choisi de télécharger la version 11.3, celle-ci doit être modifiée en fonction de vos propres besoins, tant que votre système prend en charge CUDA
4. Installez cuDNN
Si vous avez installé avec succès la version de cudatookit souhaitée, notez que la version que vous avez installée de cudnn doit dépendre de la version de cudatookit
Ici, je liste simplement la correspondance entre certaines versions plus récentes
Comme le montre l'image ci-dessus, j'ai installé la version 11.3 de CUDA, il existe donc de nombreuses versions de cuDNN disponibles. Ici, j'ai choisi la version 8.2.1 de cuDNN, qui a également été installée à l'aide de la source miroir Tsinghua.
Vous pouvez également utiliser conda search cudnn pour trouver la version correspondante
conda install cudnn=8.2.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
5. Installez Python
D'après ce que nous avons dit précédemment, la version pytorch correspond également à la version CUDA : par exemple, torch1.6.0 ne convient qu'à cuda10.2, 10.1 et 9.2, mais pas à cuda11.0.
Notre prochaine opération doit se rendre sur le site officiel de Pytorch Versions précédentes de PyTorch | PyTorch, où vous pouvez vérifier la version de Pytorch souhaitée et sa version CUDA adaptée et obtenir la commande d'installation.
Par exemple, je souhaite installer la version 1.11.0 de Pytorch maintenant et j'ai déjà installé la version 11.3 de CUDA.
Comme indiqué ci-dessus, cette commande peut satisfaire la correspondance entre mon pytorch et cuda. Par conséquent, nous la copions et l'exécutons pour installer Pytorch 1.11.0
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch
……
À ce stade, l’installation est terminée !
Avis:
Vous pouvez également utiliser la commande pip install pour télécharger pytorch, mais comme conda est utilisé dans les troisième et quatrième étapes, conda est également utilisé ici pour plus de commodité ;
conda install pytorch installe la version CPU de la torche, conda install pytorch torchvision -c pytorch installe la version GPU.
Vérifiez si l'environnement est configuré avec succès
Si les opérations suivantes peuvent être effectuées normalement et que la version correspondante que vous avez installée est imprimée, alors vous avez configuré avec succès
#Entrez dans l'environnement virtuel
conda activate [nom de votre environnement virtuel]
#Entrez python pour entrer dans l'environnement python
python
#加载torch
import torch
print(torch.backends.cudnn.version())
#输出8200，代表着成功安装了cudnn v8.4.0
print(torch.__version__)
#输出1.11.0，代表成功安装了pytorch 1.11.0
print(torch.version.cuda)
#输出11.3，代表成功安装了cuda 11.3
torch.cuda.is_available()
#True
