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。
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
2 CUDA安装与配置
2.1 Windows
2.1.1 查看显卡驱动版本
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。
2.1.2 下载安装CUDA
进入CUDA下载界面下载某个版本的CUDA
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
-
启动安装程序
-
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)
-
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
cuDNN是CUDA的深度学习补丁，进入cuDNN官网下载与CUDA版本匹配的cuDNN即可
下载解压后的cuDNN如图所示
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
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
2.2 Ubuntu
2.2.1 查看显卡驱动版本
输入nvidia-smi即可
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
-
输入
accept
-
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
-
安装完成
-
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
在~/.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cuda到cuda-version的软链接
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
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
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
🔥 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👇
