1. コードを実行すると、CUDA が現在使用できないことがわかります。
import torch
print(torch.cuda.is_available()) # False
2. Power Shell または cmd を開き、nvidia-smi コマンドを入力して、現在の NVIDIA グラフィックス カード情報を確認します。
現在のドライバーのバージョンは 512.78 で、サポートされている最も高い cuda バージョンは 11.6 で、pytorch 2.0.0 には cuda バージョン 11.7 または 11.8 が必要であることがわかります。
3. 最新バージョンの GeForce をダウンロードし(最新バージョン以外のドライバーは更新に失敗します)、インストールして、内部のドライバーを更新します: NVIDIA GeForce ドライバー - N カード ドライバー | NVIDIA
現在のドライバーのバージョンは 535.98 に更新され、サポートされている最も高い cuda バージョンは 12.2 に変更されました。
4. 次のアップデート cuda
nvcc -V を実行すると、現在の cuda バージョンが 11.1 であることが表示されます。
5. cuda11.8 をダウンロード: CUDA ツールキット アーカイブ | NVIDIA 開発者
カスタム インストールを選択する
C ドライブのリソースが不足している場合は、パスを C ドライブ以外に変更できます。(それでもインストール後はCドライブが5~6Gを占有します)
インストール後、[環境変数]->[システム環境変数]->[パス]に CUDA パスを追加します。
6. nvcc -V を実行すると、現在の cuda バージョンが 11.8 に更新されていることがわかります。
7. 次に cudnn をインストールします
cudnn をダウンロード: cuDNN アーカイブ | NVIDIA 開発者
ダウンロード前に情報の登録が必要ですが、特に面倒ではなく、いくつかの√にチェックを入れるだけです。
CUDA 11.x の任意のバージョンを選択してください。私は最新バージョンを選択しました。
ダウンロードが完了したら、圧縮パッケージを解凍し、 bin
、include
、およびlib 3个
フォルダーを cuda インストール ディレクトリ v11.8 にコピーします。
8. pytorch2.0をインストールする
pytorch の公式 Web サイトにアクセスします: PyTorch
conda create -n pytorch2.0 python==3.9
conda activate pytorch2.0
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
誰でも簡単にコピーできるように、コードの 3 つのセクションをここに示します。(私の個人的な習慣は、pytorch2.0 の環境に pt2.0 という名前を付けることです)
conda create -n pt2.0 python==3.9
conda activate pt2.0
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
ここではconda上に仮想環境を作成しましたが、pipコマンドを使ってインストールした方が便利です。
(自分でダウンロードしたい場合は、https: //download.pytorch.org/whl/torch/にアクセスしてください)
pip のインストールが遅すぎる場合は、以下を使用できます。
pip install -i https://mirrors.aliyun.com/pypi/simple/ 库名
9. cudaが利用可能かどうかを確認する
import torch
print(torch.cuda.is_available()) # True
ついに成功しました!主な理由は、ダウンロードとインストールに時間がかかるためですが、ステップバイステップの操作に技術的な困難はなく、難しい問題も発生しません。
経験を要約すると、CUDA のバージョンを切り替えた後、pytorch2.0 環境を再確立する必要があります。以前のpytorch2.0.1が使えなかったので、conda仮想環境を再構築してpytorch2.0.1をインストールしたところ動作しました。