Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置pytorch-gpu的配置教程

目录

• 前言
• 1. 创建虚拟环境并安装cudatoolkit和cudnn包
• 1.1 创建虚拟环境
• 1.2 安装cudatoolkit和cudnn包
• 1.2.1 安装cudatoolkit包
• 1.2.2 安装cudnn包
• 2. 安装pytorch
• 2.1. 安装
• 2.2. 验证是否安装成功
• 3. 一些问题(可以跳过)

需要tensorflow安装配置教程请点击链接：Anaconda虚拟环境中配置tensorflow-gpu

前言

解决问题：

1. 本来打算配置下pytorch，我的cuda版本是11.5，发现能够适配的pytorch版本比较老，希望能用比较新的版本，所以通过学习在Anaconda虚拟环境中安装cuda配置更新版本的pytorch。

2. 同时，当我们去复现其他人项目时，往往需要特定的版本的cuda，cudnn，pytorch，tensorflow等，因此，学会安装不同的CUDA版本这很重要。

非常建议大家一个项目一个环境

1. 创建虚拟环境并安装cudatoolkit和cudnn包

点击链接：查看Pytorch版本信息

1）先确定需要安装的版本，这里我以v2.0.1为例。大家按需选择，如果是复现论文/项目，看作者是否提出版本要求；没有的话随意，但不建议直接用最新版，容易版本冲突。好吧其实是因为我比较懒，后android面的项目可能拿以前创建的环境接着用

2）可以看到需要cuda11.7，pytorch对cudnn版本没有要求。

1.1 创建虚拟环境

输入命令：

conda create -编程客栈n name python=3.X

name是环境名

3.x是python版本

如果创建名为torch2.0，python版本为3.9的虚拟环境，

命令为：conda create -n torch2.0 python=3.9

中间需要确认下载安装包，输入y：

安装成功：

进入激活虚拟环境中：命令为activate name

提示：在进行1.2部分的操作之前，一定要先进入刚创建的环境，不然后面的操作是在默认环境base上进行

1.2 安装cudatoolkit和cudnn包

1.2.1 安装cudatoolkit包

输入命令：

conda search cudatoolkit

查看可以下载的cudatoolkit安装包，如下图显示：

发现是有这个cudatoolkit 11.7的，于是执行命令：conda install cudatoolkit==11.7。

conjsda install cudatoolkit==11.7

同样，输入“y”确认：

安装成功：

可能会发现环境名变成了class，这是我更新的时候用的一个环境，就顺着上面当torch2.0就行

1.2.2 安装cudnn包

1）虽然pytorch对cudnn没有版本要求，但cudnn也需要与cuda版本配对。

因此，我们先查看与cuda 11.7适配的cudnn版本。

点击链接：查看cudnn版本

发现cudnn8.9可以用于cuda 11.7，那么下载cudnn8.9版本即可。

提示：cudnn8.5以后版本现在都适配cuda 11.x

2）接下来，跟安装cudatoolkit步骤一样，先查看是否有这个版本，再命令安装。

通过conda search cudnn命令查看可下载的版本：

conda search cudnn

发现8.9.x的版本有很多，我只要安装8.9就可以，所以随机选一个就行：

执行命令conda install cudnn==8.9.1.23安装cudnn包：

conda install cudnn==8.9.1.23

输入“y”确认：

安装成功：

提示：安装之后的 CUDA 和 cudnn 会存放在虚拟环境的 lib 文件夹 或者include 文件夹里面。如果直接通过win+r，cmd，nvcc -V命令会发现还是主机的版本。

2. 安装pytorch

2.1. 安装

输入pytorch 2.0.1 && Cuda 11.7版本对应命令：

conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

提示：这个过程比较慢。（2024.8.8 用这个命令好几次都是环境依赖不满足一直卡着，最后换pip命令了，关键时候还得是pip）

2.2. 验证是否安装成功

输入以下命令：

python

# Pytorch
import torch
print(torch.cuda.is_available())

验证pytorch是否能调用gpu，返回true，则安装成功：

3. 一些问题(可以跳过)

为什么安装后使用ncvv -V/ncvv --version，显示不对（如果本机之前安装了，返回的还是本机之前安装的版本；如果之前没有安装，则返回’nvcc’ 不是内部或外部命令，也不是可运行的程序或批处理文件。

1）解答：本文所讲述的cuda是安装在Anaco编程客栈nda创建的虚拟环境中的，并非直接安装在系统中。因此，在对应文件夹中无法找到对应文件，所以也无法使用ncvv -V/ncvv --version命令来查看版本。

2）如果需要查看版本，需要先访问pytorch，再调用cuda、cudnn。

具体操作如下：进入Anaconda终端，进入需要查询版本操作的环境，输入&lCOaJabYdquo;python”进入python环境，输入以下命令。

#查看cuda版本
import torch
print(torch.version.cuda)

#查看cudnn版本
import torch
print(torch.backends.cudnn.version())

具体操作如下，可以看到就是我要安装的cuda11.7和cudnn8.5，验证成功：

以上就是Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置pytorch-gpu的配置教程的详细内容，更多关于Anaconda安装cudatoolkit配置pytorch-gpu的资料请关注编程客栈(www.devze.com)其它相关文章！