• pytorch与cudatoolkit,cudnn对应关系及安装相应的版本


    一.cuda安装

    1.确定当前平台cuda可以安装的版本
    安装好显卡驱动后,使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少,如下:
    在这里插入图片描述
    Driver Version: 525.89.02 表明当前显卡驱动版本是525.89.02
    CUDA Version: 12.0 表明当前的显卡驱动可以安装的cuda最高版本是12.0

    二、nvidia 驱动和cuda runtime 版本对应关系

    官网:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

    从驱动和运行时的版本对应关系来看,版本为384.81的驱动程序 对应的 运行时版本是9.0,也就是说我们在python中安装cudatoolkit和cudnn程序包版本9.2是过高了。

    因为系统中依赖GPU驱动的程序比较多,一般出现这种情况,我们都是更改cudatoolkit和cudnn程序包的版本。

    于是,先卸载python中安装cudatoolkit和cudnn程序包:pip uninstall cudnn ; pip uninstall cudatoolkit

    然后安装对应版本的cudatoolkit和cudnn程序包:pip install cudatoolkit=9.0;pip install cudnn

    三、安装cudatoolkit,cudnn对应版本

    安装cudatoolkit(针对服务器权限不能安装的情况)

    conda search cudatoolkit --info
    
    conda search cudnn --info
    
    • 1
    • 2
    • 3

    查看所有列出来的cudatoolkit的详细信息,包括版本号version,文件网址url,依赖项dependencies。

    直接conda install cudatoolkit,通常下载安装包的速度很慢,当换源都不好使的时候,因而可以用上面给出的文件网址url来用下载工具去下载这个包,再去本地安装

    依赖项dependencies:想要使用cudatoolkit,还需要安装什么才可以使用。

    本地安装离线包的命令是:

    conda install --use-local 包名
    
    • 1

    cudnn同理。

    四、cuda11.2版本的对应安装的pytorch版本及安装

    cu112,可安装cu111版本
    访问官网:https://pytorch.org/get-started/previous-versions/
    找到合适的版本的torch及torchvision、torchaudio
    在这里插入图片描述

    使用pip3安装

     pip3 install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html
    
    • 1

    五、相关参考

    Tensorflow与Python、CUDA、cuDNN的版本对应表
    https://blog.csdn.net/ly869915532/article/details/124542362

    使用虚拟环境conda安装不同版本的cuda,cudnn,pytorch
    https://blog.csdn.net/qq_42537872/article/details/132322398?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EYuanLiJiHua%7EPosition-2-132322398-blog-131769640.235%5Ev38%5Epc_relevant_anti_t3_base&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EYuanLiJiHua%7EPosition-2-132322398-blog-131769640.235%5Ev38%5Epc_relevant_anti_t3_base&utm_relevant_index=5

    Anaconda的python虚拟环境中安装cudatoolkit和cudnn加速tensorflow
    https://blog.csdn.net/qq_33221533/article/details/131769640

    NVIDIA驱动版本与CUDA版本对应关系
    https://blog.csdn.net/qq_33401821/article/details/123246774

  • 相关阅读:
    任意文件上传漏洞
    java计算机毕业设计物流公司停车位管理源程序+mysql+系统+lw文档+远程调试
    嘉立创使用技巧
    Apache Hop Pipeline Transforms【持续完善中】
    牛客月赛60 F.被抓住的小竹(数学&推式子)
    一个性能强到爆的RPC框架-gRPC
    PSP - 蛋白质复合物结构预测 Template 的 Multichain Mask 2D (二维多链掩码)
    推荐一款管理系统专用 低 代码工具,一天开发一个系统不是梦
    数据结构-快速排序
    java计算机毕业设计面试刷题系统源码+系统+mysql数据库+lw文档
  • 原文地址:https://blog.csdn.net/qq_42853675/article/details/134038496