安装GPU版本的torch和tensorflow的终极方法 |
您所在的位置:网站首页 › pip install pytorch太慢 › 安装GPU版本的torch和tensorflow的终极方法 |
依赖环境:N卡GPU驱动,其次是conda的环境。该方法保证可以成功,并且初始化也很快。 文章目录 前话GPU版本的torch 安装方法GPU版本的TensorFlow安装方法 前话解决这个问题首先要明确的是不同的torch或者tensorflow的版本,对应不同的cuda和cudnn,并且相同版本的cuda在torch和tensorflow需要的cudnn都不相同。如果版本不对应,是无法安装GPU版本的torch或者tensorflow的,即使安装成功,其初始化速度也非常慢,需要手动调整才可以。 cuda和cudnn是两个不同的软件库,cuda是英伟达开发的通用并行计算平台和编程模型,所以在一般的GPU并行计算时,总会看到它的身影。cudnn则是英伟达开发的基于cuda的深度学习加速库,主要目标是深度学习。也就是说,如果想要使用英伟达的卡做深度学习,就必须安装这两个软件。并且这些软件的版本必须要对应,这样GPU才能正常工作,并确保最佳的性能和稳定性。 GPU版本的torch 安装方法为了不破坏现有的python环境,可以先搭建另外一个环境: conda create -n env_name python=3.*这个方法可以安装很多个环境,不要怕折腾坏了,如果折腾坏了,可以直接卸载: conda uninstall env_name --all卸载后,干干净净,感觉跟没发生过一样。然后再来一遍。。。 然后按照torch官方出的旧版本torch安装方法进行安装,推荐使用conda安装,具体网址: https://pytorch.org/get-started/previous-versions/ 举个栗子: # Linux and Windows # CUDA 11.7 conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.7 -c pytorch -c nvidia # CUDA 11.8 conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia # CPU Only conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 cpuonly -c pytorch该方法可以直接安装pytorch=2.0.0,并且自动配置好显卡配置,而最后一行是CPU安装方法。 GPU版本的TensorFlow安装方法同样,也是使用codna安装。先将对应版本的cudn和cudnn,然后再安装tensorflow-gpu,可以参考下面的网站,但是仅供参考,我发现有时候并不好用,具体看运气,下面我只给出已经验证过的方法。 https://tensorflow.google.cn/install/source_windows?hl=en#gpu tensroflow-gpu 1.15: conda install cudatoolkit=10.0 conda install cudnn=7.3.1 pip install tensorflow-gpu==1.15tensorflow-gpu 2.5.0: conda install cudatoolkit=11.3 conda install cudnn=8.2.1 pip install tensorflow-gpu==2.5.0tensorflow-gpu 2.6.0: conda install cudatoolkit=11.4 conda install cudnn=8.2.4 pip install tensorflow-gpu==2.6.0tensorflow-gpu 2.7.0: conda install cudatoolkit=11.4.1 conda install cudnn=8.2.4 pip install tensorflow-gpu==2.7.0 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |