Win11 RTX 4090显卡深度学习环境配置（Nvidia显卡驱动、CUDA11.7.0） |
您所在的位置：网站首页 › win11 安装配置 › Win11 RTX 4090显卡深度学习环境配置（Nvidia显卡驱动、CUDA11.7.0） |
Win11 RTX 4090显卡深度学习环境配置（Nvidia显卡驱动、CUDA11.7.0）
|
Win11 RTX 4090显卡深度学习环境配置（Nvidia显卡驱动、CUDA11.7.0）
1. 简介2. 安装Anaconda3. 安装Pycharm4. 安装CUDA11.7.04.1 安装4.2 测试4.3 CUDA卸载
5. PyTorch安装5.1 PyTorch安装5.2 安装CUDA相关软件包5.3 测试
1. 简介
PyTorch分为CPU版本和GPU版本，使用GPU加速深度学习的前提是具备显卡以及安装CUDA。使用PyTorch是不需要单独安装cuDNN的，因为其已经集成了cuDNN，在安装PyTorch时候会自动安装cuDNN。软件版本如下： python version 3.9.16 (main, Mar 8 2023, 10:39:24) [MSC v.1916 64 bit (AMD64)] torch version: 2.0.0 torchaudio version: 2.0.0 torchvision version:0.15.0 cuda version: 11.7 2. 安装Anaconda直接官网https://www.anaconda.com/download/下载最新版。普通软件安装方法，安装后就可以用了。可以选择安装到其他盘符。 3. 安装Pycharm直接官网https://www.jetbrains.com/pycharm/download/#section=windows下载最新版，用社区版就够了。普通软件安装方法，安装后就可以用了。可以选择安装到其他盘符。如何选择安装的conda解释器可见下图： 官网下载https://developer.nvidia.com/cuda-toolkit-archive，这里我用的是11.8.0版本。 安装了显卡驱动之后，系统中会有一个强大的命令行管理工具：nvidia-smi 如果安装了不适合的CUDA版本，Windows系统需要在控制面板卸载CUDA。在控制面板中根据安装时间排序，删除下图中的几项。不要把显卡驱动卸载了。 同时安装CPU和GPU版本。命令如下： pip install torch torchvision torchaudio上述命令安装特别的慢，若干个小时（终止安装过程：ctrl+c）。因此可以使用清华源进行安装（一分钟安装结束），命令如下： pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple pip install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple如果要安装指定版本1.9.0版，格式如下： pip install torch==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple pip install torch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple 5.2 安装CUDA相关软件包如果上述准备在5.3节无法查询到显卡信息，安装如下CUDA相关软件包就可以了。 conda install -c nvidia cuda-cccl cuda-cudart cuda-cudart-dev cuda-cupti cuda-libraries cuda-libraries-dev cuda-nvrtc cuda-nvrtc-dev cuda-nvtx cuda-runtime 5.3 测试因为根据《动⼿学深度学习》书中进行学习，因此，这里还安装了d2l包，其中包含了学习中会用到的各种包。命令如下： pip install d2l import torch import sys print("python version", sys.version) print("torch version:", torch.__version__) print("cuda version:", torch.version.cuda) x = torch.rand(5, 3) print(x) # gpu print("gpu:", torch.cuda.is_available()) print(torch.cuda.device_count())
参考：pytorch加速下载——清华镜像源(conda或者pip版本) |
CUDA安装成功后，通过命令查看：nvcc -V 
参考：CUDA卸载&&重装
【本文地址】
今日新闻 |
推荐新闻 |