摄影网站的需求分析,专业手机网站制作哪家好,换域名影响网站不,如何在阿里云上建设网站目录1. 英伟达GPU驱动安装哪个版本1.1 英伟达GPU驱动版本和cuda对应关系#xff0c;1.2 安装GPU哪个驱动版本#xff1f;2.pytorch环境创建2.1 pytorch和cuda对应关系2.2 anconda安装2.3 配置国内镜像2.4 pytorch1.10.0环境创建2.5 pytorch2.0.0环境创建3. 小结1. 英伟达GPU驱…
目录1. 英伟达GPU驱动安装哪个版本1.1 英伟达GPU驱动版本和cuda对应关系1.2 安装GPU哪个驱动版本2.pytorch环境创建2.1 pytorch和cuda对应关系2.2 anconda安装2.3 配置国内镜像2.4 pytorch1.10.0环境创建2.5 pytorch2.0.0环境创建3. 小结1. 英伟达GPU驱动安装哪个版本
驱动要装啥版本CUDA要装啥版本先看英伟达GPU驱动和CUDA关系吧如《AI框架与cuda生态及anaconda环境》所述先确定要装的AI框架版本所配套的CUDA版本然后查看自己GPU驱动版本支持的CUDA toolkit的最高版本是否所需的CUDA版本如果满足则可以在anaconda里创建对应环境调用gpu来加速计算否则无法调用gpu加速。 注意你说是不是忘了在电脑里装CUDAnonono如果用anaconda来创建环境那么在电脑系统里只装GPU驱动而不装CUDA也没问题完全不影响推理和训练除非你需要自定义自己的CUDA算子否则一般只需要装英伟达GPU驱动即可。 如果你GPU还不错那可以去英伟达官网下载其最新驱动就行了一般能满足AI框架某版本配套的CUDA版本——除非你的GPU太过时了官方都不提供最新驱动了支持的最高版本的驱动也无法满足AI框架某版本所要求的CUDA版本那么只能换GPU了但是目前GPU不像内存可以换只能买整机了。
1.1 英伟达GPU驱动版本和cuda对应关系
查看CUDA ToolKit对应ToolKit Driver Version即GPU驱动的cuda版本号 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
1.2 安装GPU哪个驱动版本
pytorch 1.10.0 对应 cuda 10.2 cuda 10.2 对应的gpu驱动版本要 441.22 pytorch 2.0.0 对应 cuda 11.8 cuda 11.8 对应的gpu驱动版本要520.06
我的GPU驱动版本一查是411去官网查看下它最新支持的驱动是577.00版本标准版游戏版本也行无所谓支持CUDA最高版本是12.9那就装最新的吧装了就完全满足上面CUDA版本要求了。
英伟达驱动下载必要 https://www.nvidia.cn/geforce/drivers/
cuda下载装不装都行 https://developer.nvidia.com/cuda-toolkit-archive
cuDNN历史版本下载装不装都行 https://developer.nvidia.cn/rdp/cudnn-archive
2.pytorch环境创建
2.1 pytorch和cuda对应关系
https://pytorch.org/get-started/previous-versions/
可以看到 pytorch 1.10.0 对应 cuda 10.2
deepseek说 CUDA 10.2 cuDNN 7.6.5兼容性最佳
pytorch 2.0.0对应cuda 11.8。
前面我已经更新GPU驱动到标准版577.00最高支持的CUDA是12.9完全满足上面要求。 但是需要注意的是deepseek说GTX 1060不支持CUDA 12.x需图灵架构及以上这点也很关键只要CUDA要求12.x的pytorch版本就无法体验了。看了下pytorch2.8就无法体验了只能体验到pytorch2.7要求CUDA 11.8版本及以下版本——不过已经够可以了。
2.2 anconda安装
网上教程多的是略。
2.3 配置国内镜像
Anaconda Prompt中输入
国内清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda config --set show_channel_urls yes
conda config --get channels2.4 pytorch1.10.0环境创建
创建conda环境
conda create -n pytorch1.10.0-gpu python3.6
activate pytorch1.10.0-gpu1.10.0官网支持python是3.6-3.9版本pytorch1.10.0发布时python最新的流行的版本所以以当时为主不知道的话问大模型我这里选择3.6无所谓了只要支持就行。
查看pytorch安装命令 https://pytorch.org/get-started/previous-versions/
官网是
conda install pytorch1.10.0 torchvision0.11.0 torchaudio0.10.0 cudatoolkit10.2 -c pytorch-c pytorch这是去官网下载太慢去掉用国内镜像安装。
如下
conda install pytorch1.10.0 torchvision0.11.0 torchaudio0.10.0 cudatoolkit10.2可以看到这个环境里装了cudatoolkit所以windows系统里不用装cuda除非需要。
安装完成后呢查看是否能使用gpu如下
python
import torch
torch.__version__
torch.cuda.is_available()
torch.cuda.device_count()
torch.cuda.get_device_name(0)
torch.cuda.get_device_properties(0)快捷键退出pytorch环境: CRLZ exit()
退出环境 deactivate
2.5 pytorch2.0.0环境创建
创建conda环境
conda create -n pytorch2.0.0-gpu python3.10
activate pytorch2.0.0-gpu2.0.0官网支持的python版本是3.8-3.10我这里选择3.10无所谓了只要支持就行。
查看pytorch安装命令 https://pytorch.org/get-started/previous-versions/
官网是
conda install pytorch2.0.0 torchvision0.15.0 torchaudio2.0.0 pytorch-cuda11.8 -c pytorch -c nvidia-c pytorch这是去官网下载太慢去掉用国内镜像安装。 pytorch-cuda11.8 -c nvidia 这是采用nvidia下载cudatoolkit11.8也太慢换成cudatoolkit11.8就行了如下
conda install pytorch2.0.0 torchvision0.15.0 torchaudio2.0.0 cudatoolkit11.8可以看到这个环境里装了cudatoolkit所以windows系统里不用装cuda除非需要。
安装完成后呢查看是否能使用gpu如下
python
import torch
torch.__version__
torch.cuda.is_available()
torch.cuda.device_count()
torch.cuda.get_device_name(0)
torch.cuda.get_device_properties(0)快捷键退出pytorch环境: CRLZ exit()
退出环境 deactivate
3. 小结
从pytorch1.10.0和pytorch2.0.0的安装来看只需要装GPU驱动即可CUDA等后续自己自定义CUDA算子的时候再装也行非必要。这是因为anacona里创建各个环境各个环境可以单独安装CUDA即cuda toolkit只要它的版本不超过GPU驱动支持的最大CUDA版本都可以调用GPU加速。
