ここ数日、新しく構成した 4070 にディープラーニング環境をインストールする必要がありました。最初は簡単にするために以前のグラフィックス カードの環境をコピーしました。その結果、どのような環境にするかなど、さまざまな小さな問題が発生しました。 pytorch にインポートできませんでした。グラフィックス カードの計算能力が torch の計算能力と一致しませんでした。問題の修正には 2 日かかりました。成功したインストール プロセスについて話しましょう。。。。
1. まず、対応するドライバーをインストールし、cudnn-NVIDIA 公式 Web サイトからダウンロードします。詳細については、このブロガーを参照してください。
https://blog.csdn.net/weixin_44791964/article/details/120668551
nividia-smi のバージョンは、cudnn (cuda) のバージョン以上である必要があります。
(メッセージ数 78 件) NVIDIA グラフィックス カード ドライバーのバージョン、CUDA バージョン、cudnn バージョンの関係と選択方法
2. ドライバーをインストールしたら、anaconda3 をインストールする必要がありますが、一般的な手順に従ってインストールすれば問題ありません。まず、Anaconda の公式 Web サイト ( Anaconda | Anaconda Distribution )にログインします。対応するインストール パッケージを直接ダウンロードするだけです。
3 pytorch-gpu 環境の構成 - Pytorch 公式 Web サイト: https://pytorch.org/
まず、Win+R で cmd を起動し、コマンド プロンプトに次のコマンドを入力します。
conda create –n pytorch python=3.7
conda activate pytorch
トーチ環境に入ります - たとえば、私の環境はトーチです
このうち、Python版ターミナルはPythonクエリを入力することができます。
次に、対応する pytorch バージョンを torch 環境にインストールします。
ここで問題となるのは、公式のダウンロードは比較的遅いことと、オリジナルのミラー イメージを使用することは推奨されていないことですが、最初にミラー イメージを使用したのは CPU バージョンの torch で、結果は cuda が常に false でした。パッケージをローカルに直接ダウンロードして、より速くインストールすることをお勧めします。この Web サイトのhttps://download.pytorch.org/whl/torch_stable.htmlにアクセスします。
cu+シリアル番号は cuda のバージョン、つまり GPU のバージョンを示します (cpu+シリアル番号は cpu を示します)。たとえば、cu117 は cuda 11.7 を示します。
cp+ シリアル番号は Python バージョンを示します (cp310 は Python 3.10 を示します)。cuda バージョンと Python バージョンに従って、対応する torch ファイルと torchversion ファイルを見つけることができます。
次に、 pip install + ファイル名 ( whlを持参することに注意してください)、など
pip install torchvision-0.14.0+cu117-cp310-cp310-win_amd64.whl インストール後に確認してください:
进入python环境
(cat) C:\Users\asus>python
导入torch
>>> import torch
>>> print(torch.cuda.is_available()) #cuda是否可用
>>>print(torch.cuda.get_device_name(0)) #返回设备索引
>>>print(torch.cuda.device_count()) # 返回GPU的数量
>>>print(torch.cuda.current_device()) # 返回当前设备索引
>>> print(torch.rand(3,3).cuda())結果: パッケージと cuda を表示します
トーチとビジョンがあればcu版に対応していれば問題ありません。
Trueを使用すると、トーチを楽しく使用できます。