腾龙官方网站做号软件,设计网站的步骤,做网站 业务流程图,app开发公司启动资金有哪些前言#xff1a;
距离第一次安装深度学习的GPU环境已经过去了4年多#xff08;当时TensorFlow特别麻烦#xff09;#xff0c;现在发现安装pytorch的GPU版本还是很简单方便的#xff0c;流程记录如下。
安装步骤#xff1a;
步骤一#xff1a;官网下载Anaconda
Free…前言
距离第一次安装深度学习的GPU环境已经过去了4年多当时TensorFlow特别麻烦现在发现安装pytorch的GPU版本还是很简单方便的流程记录如下。
安装步骤
步骤一官网下载Anaconda
Free Download | Anaconda
直接下载最新版本到电脑里并安装。
步骤二查询电脑的CUDA Version
winR 然后输入cmd调出命令窗输入 nvidia-smi 步骤三确定电脑GPU的NVDIA型号。
通过搜索找到”设备管理器”再找到其中的“显示适配器”。 步骤四更新NVIDIA驱动程序
NVIDIA官网https://www.nvidia.cn/ 选择对应的硬件环境 搜索到合适的驱动后下载并安装可以用C盘的默认位置。 安装完毕后重启电脑。
步骤五再次查询CUDA Version
winR 然后输入cmd调出命令窗输入 nvidia-smi 可以看到CUDA Version的版本已经从11.7变成了12.2。
步骤六通过官网下载pytorch
官网地址https://pytorch.org/
注意CUDA Version要选择比电脑低的情况我这里选择了默认推荐版本。 在Anaconda的prompt中输入官网指令。 pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117 在安装过程中遇到的选择全部选择y。
其中由于没有借助镜像源增加出问题的概率安装过程较慢大概花了30分钟。 步骤七在anaconda的prompt环境测试安装结果 显示True安装成功。
步骤八打开anaconda自带的spyder编辑器进行测试 步骤九跑一个MNIST数据集分类样例代码测试 nvidia-smi -l 1实时观察GPU的占用率 补充说明
1windows系统需要增加Anaconda的环境变量。 2matplotlib通常需要重新安装对应版本很容易版本不匹配。
