自学内容网 自学内容网

配置VSCode+Anaconda的PyTorch GPU环境笔记

真就是翻遍了整个互联网才终于让PyTorch在我的电脑上支持CUDA了。

叠个甲,我是纯菜鸟,说的不对你也别喷,喷了就是你对。

网上的教程都太有年代感了,跟着配置就是到处报错,最后配置出来的也是老版本,用着十分膈应(我个人不喜欢老版本的东西),所以想着记录一下我踩过的坑,让大家以后少走点弯路


下面直接进入正题:

在此之前,你需要自行完成:

  • 安装VSCode以及相关插件(汉化,Code Runner, Python包这三个就够了)
  •  安装Anaconda,掌握如何使用Anaconda创建虚拟环境
  • 掌握基本的Python使用方法
  • 掌握基本的命令行和终端使用方法
  • 安装自己的NVIDIA显卡,并且可以在驱动上正常运行

1.检查GPU

win + R打开命令行输入cmd并进入,

输入nvidia-smi检查你的gpu

可以看到驱动版本(Driver Version)是552.12,CUDA最高支持版本(CUDA Version)是12.4

2.安装CUDA和cuDNN

去官网对照你的驱动版本以及CUDA版本下载支持的版本即可CUDA Toolkit 11.2 Downloads | NVIDIA Developer

怎么样的才是支持的版本呢?

1.按照你的需求和GPU配置选择需要的CUDA版本,我的是RTX4050,可以使用12.4

下载其他版本进这里:CUDA Toolkit Archive | NVIDIA Developer

2.下载好exe文件后直接一路下一步就可以了,

这一步不用担心以后找不到文件夹,因为创建的是临时文件,使用它默认的路径即可

3.到这里一路下一步即可,需要该路径可以自行安排

4.接下来安装cuDNN,这是专门用于深度学习的,所以必须安装

仍然是对照着表格找版本

在这里下载即可:cuDNN Archive | NVIDIA Developer(需要注册开发者账号)

5.下载的zip文件解压之后把里面的三个文件夹复制粘贴(替换)到CUDA的安装位置里面去

6.验证是否安装成功

还是打开命令行cmd,输入nvcc -V(这里的V是大写!!!!)

显示如下则成功。

3.创建虚拟环境

打开Anaconda创建一个环境(Python版本要与CUDA兼容!!!!)

这里我使用的是CUDA12.4兼容Python 3.8 - 3.11

或者是使用conda prompt终端新建一个环境

输入

conda create -n 环境名字 python==3.11

4.获取PyTorch

进入PyTorch官网,点击以前的版本

这里我下载的是v2.3.0,CUDA 12.1的版本

尽管我的CUDA安装的是12.4,但是12.1也能正常使用,只要大版本号一样就可以兼容。

进入终端(Terminal),或者是conda激活虚拟环境输入

conda activate pytorch

成功之后直接复制官网的conda指令,等待安装即可。

5.设置VSCode的Code Runner(不使用VSCode的话,可以跳过)

按照此路径打开设置

在设置里配置运行Python代码的路径

路径换成自己的就行了,前面的utf8宏是方便中文显示

6.验证是否成功

1.进入虚拟环境的终端(Anaconda直接Open Terminal,conda直接输入指令),输入Python进入代码模式

2.输入import torch导入pytorch

3.输入torch.cuda.is_available()

4.如果输出True则配置成功

5.如果输出False,则输入torch.__version__检查是否为CPU版本,如果是CPU版本,检查下载版本是否正确,如果下载版本正确,再检查Python,CUDA,cudNN,显卡四者的兼容性,一般都可以解决


原文地址:https://blog.csdn.net/Tomokochandesu/article/details/140497337

免责声明:本站文章内容转载自网络资源,如本站内容侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!