最新Windows/Ubuntu双系统CUDA与Pytorch保姆级图文安装教程(速查字典版)

目录

1 什么是Pytorch?

Pytorch是torch的python版本,是由Facebook开源的神经网络框架,专门针对 GPU 加速的深度神经网络(DNN)编程。Torch 是一个经典的对多维矩阵数据进行操作的张量库,在机器学习和其他数学密集型应用有广泛应用,很多经典的开源深度学习算法都是采用Pytorch框架开发的。

在这里插入图片描述
既然Pytorch针对深度学习进行GPU加速,那么其安装一定与显卡挂钩,因此本文主要分为两个方面——CUDA安装配置以及Pytorch安装配置

在这里插入图片描述

2 CUDA安装与配置

2.1 Windows

2.1.1 查看显卡驱动版本

在这里插入图片描述
根据CUDA官方说明文档,显卡驱动的版本决定了你能安装CUDA版本的上限,比如我最多只能安装CUDA 11.6,读者请根据自己的驱动版本选择CUDA版本。

在这里插入图片描述

2.1.2 下载安装CUDA

进入CUDA下载界面下载某个版本的CUDA

在这里插入图片描述

这里的选择根据两个方面:

  • 自身显卡驱动型号(2.1节)
  • Pytorch版本号(3.1节)

本文演示CUDA 11.6的安装

  • 下载安装包
    在这里插入图片描述

  • 启动安装程序
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

  • 配置环境变量(一般是安装程序自动配置完成,否则自行配置)
    在这里插入图片描述

  • 测试,终端输入nvcc -V,返回CUDA版本号即安装成功

    C:\Users\Mr.Winter>nvcc -V
    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2021 NVIDIA Corporation
    Built on Fri_Dec_17_18:28:54_Pacific_Standard_Time_2021
    Cuda compilation tools, release 11.6, V11.6.55
    Build cuda_11.6.r11.6/compiler.30794723_0
    

2.1.3 下载安装cuDNN

cuDNNCUDA的深度学习补丁,进入cuDNN官网下载与CUDA版本匹配的cuDNN即可

在这里插入图片描述
下载解压后的cuDNN如图所示

在这里插入图片描述
把三个文件夹复制粘贴到CUDA安装目录中,在本文中是

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6

即可完成cuDNN的补丁

2.1.4 多版本CUDA切换

更改系统变量的CUDA_PATH使其指向需要切换的版本,PATH使切换的版本位于最上侧

在这里插入图片描述
在这里插入图片描述
对应版本移动到最上方

2.1.5 CUDA卸载

在控制面板卸载对应版本的CUDA文件即可,主要是

  • NVIDIA CUDA Development
  • NVIDIA CUDA Documentation
  • NVIDIA CUDA Runtime
  • NVIDIA CUDA Samples

在这里插入图片描述
在这里插入图片描述

2.2 Ubuntu

2.2.1 查看显卡驱动版本

输入nvidia-smi即可

在这里插入图片描述

2.2.2 下载安装CUDA

同Windows,现在官网下载指定版本的CUDA安装文件,这里以.run文件为例

  • 终端运行下面的命令,这一步可能需要等待一段时间

    wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda_11.4.0_470.42.01_linux.run
    sudo sh cuda_11.4.0_470.42.01_linux.run
    
  • 选择Continue
    在这里插入图片描述

  • 输入accept
    在这里插入图片描述

  • 选择需要安装的组件,如果已经安装了显卡驱动需要取消勾选Driver
    在这里插入图片描述

  • 安装完成
    在这里插入图片描述

  • 测试。输入nvcc -V,能正确输出信息即可

    nvcc -V
    
    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2021 NVIDIA Corporation
    Built on Wed_Jun__2_19:15:15_PDT_2021
    Cuda compilation tools, release 11.4, V11.4.48
    Build cuda_11.4.r11.4/compiler.30033411_0
    

2.2.3 下载安装cuDNN

与Windows类似,将cuDNN库文件下载到本地解压后,执行下面的命令

sudo cp cudnn-11.4-linux-x64-v8.2.4.15/cuda/include/cudnn* /usr/local/cuda-11.4/include
sudo cp cudnn-11.4-linux-x64-v8.2.4.15/cuda/lib64/libcudnn* /usr/local/cuda-11.4/lib64
sudo chmod a+r /usr/local/cuda-11.4/include/cudnn* /usr/local/cuda-11.4/lib64/libcudnn*

即可完成cuDNN的补丁

2.2.4 多版本CUDA切换

~/.bashrc中设置CUDA环境变量

export PATH=${PATH}:/usr/local/cuda/bin
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:/usr/local/cuda/lib64

这里不写版本号,因为这里有一个从cudacuda-version的软链接

在这里插入图片描述
实现多版本切换也是依靠修改软链接

# 删除之前创建的软链接
sudo rm -rf /usr/local/cuda
# 建立和新版本映射的软链接  
sudo ln -s /usr/local/cuda-9.0 /usr/local/cuda

3 Pytorch安装与配置

3.1 选择Pytorch版本

进入Pytorch官网可以看到最新版Pytorch的安装命令及其对应的CUDA版本

在这里插入图片描述
如果电脑硬件达不到CUDA要求,可以进入Pytorch安装列表查看所有版本Pytorch的安装命令,总可以找到适合自己显卡型号的Pytorch版本

在这里插入图片描述

3.2 安装Pytorch

本文采用CUDA 11.6,根据官网的命令,在终端输入

conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

这里建议在虚拟环境中实验,虚拟环境相关操作请参考:Anaconda安装与Python虚拟环境配置保姆级图文教程(附速查字典)

安装成功后

在这里插入图片描述


🔥 更多精彩专栏

👇源码获取 · 技术交流 · 抱团学习 · 咨询分享 请联系👇

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注