type
Post
status
Published
date
Apr 11, 2023
slug
install-cuda
summary
搭建 CUDA 环境并使用 Pytorch 来加速计算
tags
开发
Python
category
技术分享
icon
password
CUDA Toolkit 安装
首先执行如下命令查看显卡当前的驱动版本和支持的 CUDA 版本
nvidia-smi
图片中红框的内容表示当前显卡驱动支持最高的 CUDA 版本为 12.0，这里显示的版本只要大于或等于你要安装的 CUDA Toolkit 版本就不会出问题，例如可安装的版本为 11.6，11.7
然后访问官网下载需要版本的 CUDA Toolkit
这里以 CUDA Toolkit 11.6.2 为例，点击链接跳转到对应的下载页面
先选择需要安装 CUDA 的平台信息，然后点击 Download 下载
安装完成后执行如下命令，若能显示版本信息说明 CUDA 开发环境已经正确安装和配置
nvcc -V
cuDNN 安装
上面安装的是 CUDA Toolkit 11.6.2，那么这里就选择 for CUDA 11.x 的版本
根据系统选择安装包即可。例如 Windows 平台就选图片中红框的安装包
Pytorch 安装
进入官网找到下图位置选择所需配置
注意 Package 要选择 Pip，且 Compute Platform 一定要和 CUDA Toolkit 版本对应
如果上面显示的配置没有你需要的，例如现在的 CUDA 版本是 11.6，那么访问下面这个页面：
- 先创建虚拟环境
python -m venv venv
- 拷贝相应的安装命令到终端执行即可（依赖包较大，需要耐心等待）
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116
Pytorch 安装完成后，可以在终端中执行如下命令判断 CUDA 是否已可以正常使用
python -c "import torch;print(torch.cuda.is_available())"
执行后如果显示 True 说明当前环境已支持使用 CUDA 加速
Q&A
执行测试命令时报错 ModuleNotFoundError: No module named 'torch’
先检查当前的环境是否已经正常安装 Pytorch。执行如下命令查看当前环境的依赖列表有没有 torch
pip list | findstr torch
如下图显示即为已经安装好 torch
- Author:Lee546
- URL:https://tangly1024.com/article/install-cuda
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
