深度学习-Pytorch、CUDA、CUDNN的安装与选择

pytorch官网: https://pytorch.org/get-started/locally/
各个版本的离线安装包下载地址: https://download.pytorch.org/whl/torch_stable.html

CPU版本的安装

进入官网, 根据系统要求选择, 并复制命令并在终端运行

GPU版本安装-以Ubuntu18.04为例

首先确认电脑显卡安装好驱动且支持cuda

安装驱动

进入系统设置

选择NVIDIA Corporatior安装

安装完成后, 输入命令验证:

nvidia-smi

当前的CUDA版本为10.2, 记住它

安装CUDA Toolkit：

进入CUDA Toolkit官网进行下载

https://developer.nvidia.com/cuda-downloads

选择相应版本, 复制命令进行安装, 我的系统要复制的命令如下:

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda-repo-ubuntu1804-11-0-local_11.0.3-450.51.06-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1804-11-0-local_11.0.3-450.51.06-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu1804-11-0-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

安装 CuDNN

查看电脑需要的版本：https://developer.nvidia.com/cuda-gpus

进入cudnn官网: https://developer.nvidia.com/cudnn

此处可通过微信, QQ登入

进入后选择相应的版本下载, 安装.deb包

sudo dpkg -i <package.deb>

之后和CPU安装差不多, 要选上对应的CUDA版本, 我这边就是CUDA10.2

测试pytorch

import torch
x = torch.rand(5, 3)
print(x)

GPU版额外测试一次:

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

运行都没问题后就成功了