[Configuration de l'environnement Pytorch—Linux/Windows] : cuda, cuDNN, pytorch, torchvision, torchaudio tutoriel d'installation détaillé (rapport d'erreurs, installation lente)

Annuaire d'articles

[Configuration de l'environnement Pytorch—Linux/Windows] : cuda, cuDNN, pytorch, torchvision, torchaudio tutoriel d'installation détaillé (rapport d'erreurs, installation lente)

0. Rapports d'erreurs associés

Erreur : Le pilote NVIDIA sur votre système est trop ancien (version 11040 trouvée).
Veuillez mettre à jour votre pilote GPU en téléchargeant et en installant une nouvelle
version à partir de l'URL : http://www.nvidia.com/Download/index.aspx
. Vous pouvez également accéder à : https://pytorch.org pour installer
une version de PyTorch dotée de été compilé avec votre version
du pilote CUDA.
UserWarning : Échec du chargement de l'extension Python de l'image : libc10_cuda.so : impossible d'ouvrir le fichier d'objet partagé : aucun fichier ou répertoire de ce type
warn(f "Échec du chargement de l'extension Python de l'image : {e}")
AttributeError : le module 'torch._C' n'a pas d'attribut '_cuda_setDevice'

Les causes de ces problèmes sont essentiellement l'inadéquation entre la version cuda et torch*, ou l'inadéquation entre torch et torchvision , etc. Leurs solutions sont les mêmes.

Il est recommandé de recréer un environnement (bien sûr, vous pouvez également désinstaller tous les packages de dépendances liés à Torch puis le réparer sur l'environnement d'origine)
Suivez ensuite les idées ci-dessous.

1. Créez un nouvel environnement et activez-le

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

2. Vérifiez la version CUDA prise en charge par la machine

nvidia-smi

Cet ordinateur peut prendre en charge la version 11.7 la plus élevée de CUDA et le pilote est rétrocompatible, donc les versions CUDA inférieures ou égales à 11.7 peuvent être installées .

3. Installez cuda, cuDNN, pytorch, torchvision, torchaudio (deux méthodes)

Installation pip 3.1 (j'ai parcouru cela, je recommande donc cette méthode)

Vous pouvez directement exécuter cette commande pour télécharger la version correspondante 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

Parce que ma version CUDA utilise 11.4, mais je n'ai rien trouvé en rapport avec 11.4 dans la version 3.3 ci-dessous. En raison de la compatibilité ascendante, j'ai choisi 11.3. Par conséquent, lors du téléchargement de la version CUDA, vous devez ajouter +cu113, mais certaines versions ne font pas de distinction entre CPU et CUDA, il n'est donc pas nécessaire d'ajouter +cu113 (d'autres versions sont similaires, comme +cu111, etc.). Il est recommandé de l'ajouter d'abord, puis de le supprimer s'il ne fonctionne pas.

Veuillez vous référer au contenu en 3.3 pour sélectionner le xxx correspondant. Après sélection, ce qui suit est
Si vous pensez que le téléchargement est très lent, vous pouvez ajouter -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 torchaudio n’est pas nécessaire, vous pouvez le supprimer.

3.2Installation de conda

Il semble qu'il ne soit pas nécessaire d'ajouter cu113 - la version par défaut de cuda (cela ne semble pas sûr). Utilisez conda pour installer CUDA Toolkit, PyTorch, torchvision et torchaudio :

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

Si vous souhaitez utiliser la mise en miroir domestique, conda doit ajouter un canal. Il est recommandé d'utiliser la source Tsinghua :

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

Supprimez ensuite le -c python après la commande ci-dessus :

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

Veuillez vous référer au contenu du point 3.3 ci-dessous pour sélectionner le xxx correspondant.

3.3 Sélection de correspondance de version

Versions correspondantes de CUDA et cuDNN, source de référence : cuDNN Archive
cuda, cudatoolkit et torche
PyTorch correspond aux versions torchvision et Python, source de référence : Pytorch
Versions correspondantes de PyTorch, torchaudio et Python, source de référence : github