这篇的讲解还是很不错的 https://blog.csdn.net/qianbin3200896/article/details/104244538?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162921002016780274163007%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=162921002016780274163007&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2alltop_positive~default-2-104244538.pc_search_similar&utm_term=Pytorch%E5%AE%89%E8%A3%85&spm=1018.2226.3001.4187
写在前面 解决这个问题是集百家之长,综合了好几个方法才解决,有漏了写参考链接的,可以提醒我加上
基本情况
仅仅自己安装Pytorch时遇到的一个小坑 每次配环境都要浪费好长时间 这次最大的问题是使用官网给的方法安装始终显示超时 https://pytorch.org/ 当然首先你得确定已经安装符合你电脑版本的CUDA和cudnn 我的是CUDA(11.1)也就是最新版本和对应的cudnn 相应版本对照关系可以在NVIDIA官网查到 接下来就是最坑的了 官网给的方式永远下载很慢而且超时
我的解决方法如下:
1、https://download.pytorch.org/whl/torch_stable.html 直接点击下载对应的 三个文件即: torch 1.9.0 (cu111) 注意这是区分你安装的cpu还是gpu !! 并且python版本要对应!! 仔细看别下载错了 torchvision 0.10.0 (cu111) torchaudio 0.9.0 2.这是下载完毕后的文件 在终端 pip install … (文件名).whl 即可安装完毕 3.测试
import torch
print(torch.__version__)
print(torch.cuda.is_available())
如果version是 1.9.0+cu111 就是gpu 如果是1.90+cpu 就是cpu
安装时看到的一些比较有用的东西
感觉写的很好 这篇文章 面向Windows的Pytorch完整安装教程 安装方法可能有点问题,但一开始对CUDA和cudnn的讲解还是不错的 尤其这个解释 为什么装了cuda了还要再装cudnn?
为了解释上述两个问题,我们需要重新梳理一下我们使用Pytorch的最终目标是什么?毫无疑问,我们是用它来进行深度学习训练和推理,深度学习本质上就是训练深度卷积神经网络。尽管我们已经可以用cuda使得显卡来完成并行计算任务,但是所有的操作还是比较底层的、复杂的。是否在cuda之上有一个专门用于深度神经网络的SDK库来加速完成相关特定的深度学习操作,答案就是cudnn。
NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中,如caffe、tensorflow、pytorch、mxnet等。cudnn简单的插入式设计可以让开发人员专注于设计和实现神经网络模型,而不是调整性能,同时还可以在GPU上实现高性能现代并行计算。
简单来说,cuda就是用来定义显卡并行运算的一些列底层GPU操作库,cudnn则是在cuda基础上专门正对深度学习定制的高级GPU操作库。
|