1 进入Linux环境以后
新建一个名为pytorch的虚拟环境,执行以下代码:
conda create -n pytorch python=3.8
2 激活新建的pytorch虚拟环境,执行以下代码:
conda activate pytorch # conda版本较新使用这条代码
3 使用conda安装pytorch的版本,执行以下代码:
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
这里需要说明一下:
通过上面代码安装pytorch,安装的是最新版本。如果是在服务器上配置自己的环境,那么服
务器的cuda版本我们无法改动,所以我们需要根据服务器的cuda版本下载适配的pytorch版本。
关于如何查看版本对应问题,附上pytorch的官网地址,上面有对应cuda的pytorch版本:
进入官网,点击install previous versions of pytorch
查看不同的CUDA版本对应的各个版本的pytorch
可以理解从某种意义来说 每一个环境可以有自己的cuda版本
conda activate pytorch *# conda版本较新使用这条代码*
conda uninstall pytorch
3 最后退出虚拟环境,执行以下代码:
conda deactivate # conda版本较新使用这条代码
查看cuda版本有四种方法
一 nvidia-smi 输出12.1
二 nvcc -V 输出10.1
三 ls -l /usr/local | grep cuda 输出11.4
目前来 前三种输出的cuda版本都不准确
根据第四条,看来cuda 版本是可以根据环境不同安装不同的cuda版本的
四 直接python输出
根据环境不同而不同
import torch
print(torch.__version__) # 查看torch当前版本号
print(torch.version.cuda) # 编译当前版本的torch使用的cuda版本号
print(torch.cuda.is_available()) # 查看当前cuda是否可用于当前版本的Torch,如果输出True,则表示可用
到底是哪一个为cuda版本???
只是目前来看,太低的版本显卡太高级不支持,报错
NVIDIA GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.
The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 compute_37.
If you want to use the NVIDIA GeForce RTX 3090 GPU with PyTorch, please check the instructions at https://pytorch.org/get-started/locally/
收集其他版本不匹配的情况