卷积神经02-CUDA+Pytorch环境安装

卷积神经02-CUDA+Pytorch环境安装

在使用Python进行pytorch的使用过程中遇到各种各样的版本冲突问题，在此进行记录

---

0-核心知识脉络

• 1）根据自己电脑的CUDA版本安装对应版本的Pytorch，充分的使用GPU性能
• 2）电脑要先安装【CUDA ToolKit】+【cuDNN】+【Conda环境GPU的Pytorch】

---

1-核心参考网址

• GPU上运行PyTorch：https://blog.csdn.net/qq_60735796/article/details/140478985

---

2-深度学习CUDA环境安装

总结:我的电脑cuda驱动是【CUDA 驱动 12.6.73】,因为没有对应版本，所以安装的是最近版本【CUDA ToolKit 12.6.3】;但是真实使用的时候只能用【11.8】对应的Pytorch软件包

1）查看GPU的CUDA版本

---

2）Pytorch和CUDA版本对应关系

1）第一步：查看Pytorch和CUDA版本对应关系

2）第二步：nvidia-smi 查看当前机器的版本

3）下载CUDAKit版本

虽然我可以使用[nvidia-smi]命令，但是我还是安装了【CUDAKit】和【CUDNN】

英伟达官网CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive

• 版本-页面1
  

• 下载CUDAKit版本-页面2
  

---

4）下载cuDNN版本

虽然我可以使用[nvidia-smi]命令，但是我还是安装了【CUDAKit】和【CUDNN】

英伟达官网cuDNN下载地址：https://developer.nvidia.com/cudnn

• 下载cuDNN版本-页面
  

• 进行环境变量配置

D:\TT_INSTALL+\AI_CUDA_ToolKit\bin
D:\TT_INSTALL+\AI_CUDA_ToolKit\libnvvp

5）安装cuDNN版本

在安装的时候貌似装了两个【11.8】+【12.6】;因为后续我要进行12.6对应的pytorch安装时，提示我没有12.6对应的软件包，只能使用11.8

---

6）省略Anaconda安装和配置

可以参考：https://www.jianshu.com/p/4dc3647317c3

---

7）Anaconda切换环境后安装pytorch

# 1-目前2025-01-11只能使用11.8对应的包
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch# 2-貌似2025-01-11目前没有12.6对应的包
conda install pytorch torchvision torchaudio pytorch-cuda=12.6 -c pytorch -c nvidia
conda install pytorch torchvision torchaudio cudatoolkit=12.6  -c pytorch

---

3-深度学习CUDA环境验证

安装【CUDA ToolKit】+【cuDNN】+【Conda环境GPU的Pytorch】->显示GPU可用

import torch
import torchvision# 1-验证当前设备是否支持GPU
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(f'1-current device support {device}')# 2-验证当前的PyTorch版本和CUDA版本
print(f'2-torch version is {torch.__version__}')  # 打印PyTorch版本
print(f'3-torchvision version is {torchvision.__version__}')  # 打印PyTorchVision版本
print(f'4-torch.version.cuda is {torch.version.cuda}')  # 打印CUDA版本
print(f'5-torch.cuda.is_available is {torch.cuda.is_available()}')  # 打印CUDA是否可用'''
# 1-未安装CUDA的环境下，输出结果如下：
1-current device support cpu
2-torch version is 2.5.1+cpu
3-torchvision version is 0.20.1+cpu
4-torch.version.cuda is None
5-torch.cuda.is_available is False# 2-安装CUDA的环境下，输出结果如下：
1-current device support cuda
2-torch version is 2.5.1
3-torchvision version is 0.20.1
4-torch.version.cuda is 11.8
5-torch.cuda.is_available is True
'''

---

4-个人Pytorch环境说明

• 1）【CPU版本】创建一个PY环境-使用torch==1.7.1

pip install torch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

• 2）【GPU版本】创建一个PY环境-使用GPU版本torch

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch

• 3）CUDA和CONDA关系
  • 1）CUDA安装是【机器】级别的-只要安装了后续pytorch在检测的时候就知道GPU是否可用（硬件级别上的一个软件支撑）
  • 2）CONDA安装的是Python对应的版本，不同的python版本再安装不同的pytorch版本（但是都要依赖硬件）