建议不使用最新的CUDA版本,我决定使用CUDA-10.1;
查询确定的CUDA-10.1版本对应的CUDNN,Pytorch:
CUDnn下载连接:cuDNN Archive
Pytorch版本查询:Pytorch版本对应查询
因为我将会安装conda的虚拟环境,所以对应的是conda环境下的配置语句;
安装Anaconda,并创建python = 3.7的虚拟环境:
于此可以配置国内镜像,参考:conda 安装太慢
安装PyCharm,并调试python解释器:【注意:这里需要使用的是刚才Anaconda创建的python=3.7的环境】
路径为:
…ANACONDA3envspy37python.exe
配置好后,建议运行一个测试程序,测试一下解释器运行的正常。
安装CUDA与CUDnn:打开以上下载的安装文件,进行安装即可。【注意:请选择 自定义安装 ,并取消勾选 安装版本 比 自身计算机版本 低的组件】
安装路径有三个,前两个放在新建目录下,如:
1–>C:/CUDA/CUDA10.1/CUDA1
2–>C:/CUDA/CUDA10.1/CUDA1
3–>C:/CUDA/CUDA10.1/CUDA2
CUDnn只需解压后将三个文件夹复制粘贴至安装时选择的CUDA1中。如图所示:
安装Pytorch:进入conda虚拟环境,使用
#进入虚拟环境conda activate [-name]#安装Pytorchconda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch【注意:若出现
CondaHTTPError: HTTP 000 CONNECTION FAILED for url关键字报错,解决方案参考:安装Pytorch错误记录:CondaHTTPError: HTTP 000 CONNECTION FAILED for url】
安装完成后:于Pycharm中使用测试代码 import torch # 如正常则静默a = torch.Tensor([1.]) # 如正常则静默a.cuda() # 如正常则返回"tensor([ 1.], device='cuda:0')"from torch.backends import cudnn # 如正常则静默print(cudnn.is_acceptable(a.cuda())) # 如正常则返回 "True"print(torch.__version__)#如正常返回版本号
参考
[1]最全最简洁易学的深度学习环境配置教程Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow