pytorch安装GPU版本 (Cuda12.1)教程: Windows、Mac和Linux系统下GPU版PyTorch(CUDA 12.1)快速安装

简介: pytorch安装GPU版本 (Cuda12.1)教程: Windows、Mac和Linux系统下GPU版PyTorch(CUDA 12.1)快速安装

🌷🍁 博主 libin9iOak带您 Go to New World.✨🍁

🦄 个人主页——libin9iOak的博客🎐
🐳 《面试题大全》 文章图文并茂🦕生动形象🦖简单易学!欢迎大家来踩踩~🌺
🌊 《IDEA开发秘籍》学会IDEA常用操作,工作效率翻倍~💐
🪁🍁 希望本文能够给您带来一定的帮助🌸文章粗浅,敬请批评指正!🍁🐥

GPU版本PyTorch(CUDA 12.1)清华源快速安装教程:Windows、Mac和Linux系统

在本教程中,我们将为您提供在Windows、Mac和Linux系统上安装和配置GPU版本的PyTorch(CUDA 12.1)的详细步骤。我们将使用清华大学开源软件镜像站作为软件源以加快下载速度。通过按照以下教程,您将轻松完成GPU版本PyTorch的安装,为深度学习任务做好准备。

注意:在进行安装之前,请确保您的系统满足PyTorch(CUDA 12.1)的硬件要求,并已安装相应的GPU驱动程序和CUDA Toolkit。

教程目录

  1. Windows系统上安装GPU版本PyTorch(CUDA 12.1)
  2. Mac系统上安装GPU版本PyTorch(CUDA 12.1)
  3. Linux系统上安装GPU版本PyTorch(CUDA 12.1)

Windows系统上安装GPU版本PyTorch(CUDA 12.1)

步骤1:检查GPU兼容性

确保您的Windows计算机配备了兼容的NVIDIA GPU。访问NVIDIA官方网站查找GPU的兼容性列表。

步骤2:安装NVIDIA驱动程序

前往NVIDIA官方网站下载并安装适用于您的GPU型号的最新驱动程序。

步骤3:安装CUDA Toolkit

从NVIDIA官方网站下载并安装与您的GPU兼容的CUDA Toolkit(版本12.1)。

步骤4:配置环境变量

将CUDA Toolkit的安装路径添加到系统环境变量中,以便PyTorch能够正确找到CUDA。

步骤5:创建虚拟环境

使用Anaconda创建一个新的虚拟环境(如pytorch310),并激活它。

步骤6:设置清华源

在虚拟环境中,使用以下命令设置清华源以加速安装过程:

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

步骤7:安装PyTorch

使用以下命令在Windows系统上安装GPU版本的PyTorch(CUDA 12.1):

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1+cu118 -f https://download.pytorch.org/whl/torch_stable.html

步骤8:验证安装是否成功

在Python环境中运行以下代码来验证是否成功安装了GPU版本的PyTorch:

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

如果输出结果为True,则说明PyTorch成功使用了GPU加速,安装完成。

Mac系统上安装GPU版本PyTorch(CUDA 12.1)

步骤1:检查GPU兼容性

确保您的Mac计算机搭载了支持Metal的GPU。访问苹果官方网站查找GPU的兼容性列表。

步骤2:安装Xcode

从Mac App Store下载并安装Xcode,它包含必要的开发工具和编译器。

步骤3:安装Homebrew

在终端中运行安装Homebrew的命令,以便之后安装其他软件。

步骤4:安装CUDA Toolkit

使用Homebrew安装与您的Mac GPU兼容的CUDA Toolkit(版本12.1):

brew install --cask cuda@11.1

步骤5:创建虚拟环境

使用Anaconda创建一个新的虚拟环境(如pytorch310),并激活它。

步骤6:设置清华源

在虚拟环境中,使用以下命令设置清华源以加速安装过程:

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

步骤7:安装PyTorch

使用以下命令在Mac系统上安装GPU版本的PyTorch(CUDA 12.1):

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1+cu118 -f https://download.pytorch.org/whl/torch_stable.html

步骤8:验证安装是否成功

在Python环境中运行以下代码来验证是否成功安装了GPU版本的PyTorch:

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

如果输出结果为True,则说明PyTorch成功使用了GPU加速,安装完成。

Linux系统上安装GPU版本PyTorch(CUDA 12.1)

步骤1:检查GPU兼容性

确保您的Linux计算机搭载了兼容的NVIDIA GPU。访问NVIDIA官方网站查找GPU的兼容性列表。

步骤2:安装NVIDIA驱动程序

根据您的Linux发行版,从NVIDIA官方网站或使用包管理器安装适用于您的GPU型号的最新驱动程序。

步骤3:安装CUDA Toolkit

使用以下命令在Linux系统上下载并安装与您的GPU兼容的CUDA Toolkit(版本12.1):

wget https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run
sudo sh cuda_11.1.1_455.32.00_linux.run

步骤4:配置环境变量

将CUDA Toolkit的安装路径添加到系统环境变量中

,以便PyTorch能够正确找到CUDA。

步骤5:创建虚拟环境

使用Anaconda创建一个新的虚拟环境(如pytorch310),并激活它。

步骤6:设置清华源

在虚拟环境中,使用以下命令设置清华源以加速安装过程:

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

步骤7:安装PyTorch

使用以下命令在Linux系统上安装GPU版本的PyTorch(CUDA 12.1):

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1+cu118 -f https://download.pytorch.org/whl/torch_stable.html

步骤8:验证安装是否成功

在Python环境中运行以下代码来验证是否成功安装了GPU版本的PyTorch:

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

如果输出结果为True,则说明PyTorch成功使用了GPU加速,安装完成。

今日学习总结

在今天的学习中,我们分别介绍了在Windows、Mac和Linux系统上安装和配置GPU版本的PyTorch(CUDA 12.1)。您现在已经掌握了在不同操作系统上安装GPU版本PyTorch的方法,为深度学习项目的开发和研究做好了准备。希望这个教程对您有所帮助!如有任何问题或疑惑,请随时留言,我们将乐意为您解答。感谢您的阅读!

原创声明

=======

作者: [ libin9iOak ]


本文为原创文章,版权归作者所有。未经许可,禁止转载、复制或引用。

作者保证信息真实可靠,但不对准确性和完整性承担责任。

未经许可,禁止商业用途。

如有疑问或建议,请联系作者。

感谢您的支持与尊重。

点击下方名片,加入IT技术核心学习团队。一起探索科技的未来,共同成长。


相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
目录
相关文章
|
29天前
|
安全 Linux 虚拟化
|
2月前
|
NoSQL Redis 数据安全/隐私保护
Redis 最流行的图形化界面下载及使用超详细教程(带安装包)! redis windows客户端下载
文章提供了Redis最流行的图形化界面工具Another Redis Desktop Manager的下载及使用教程,包括如何下载、解压、连接Redis服务器以及使用控制台和查看数据类型详细信息。
151 6
Redis 最流行的图形化界面下载及使用超详细教程(带安装包)! redis windows客户端下载
|
2月前
|
并行计算 PyTorch TensorFlow
Ubuntu安装笔记(一):安装显卡驱动、cuda/cudnn、Anaconda、Pytorch、Tensorflow、Opencv、Visdom、FFMPEG、卸载一些不必要的预装软件
这篇文章是关于如何在Ubuntu操作系统上安装显卡驱动、CUDA、CUDNN、Anaconda、PyTorch、TensorFlow、OpenCV、FFMPEG以及卸载不必要的预装软件的详细指南。
4291 3
|
2月前
|
存储 弹性计算 运维
阿里云国际Windows操作系统迁移教程
阿里云国际Windows操作系统迁移教程
|
2月前
|
NoSQL Redis 数据库
Redis 图形化界面下载及使用超详细教程(带安装包)! redis windows下客户端下载
文章提供了Redis图形化界面工具的下载及使用教程,包括如何连接本地Redis服务器、操作键值对、查看日志和使用命令行等功能。
145 0
Redis 图形化界面下载及使用超详细教程(带安装包)! redis windows下客户端下载
|
15天前
|
Android开发 数据安全/隐私保护 虚拟化
安卓手机远程连接登录Windows服务器教程
安卓手机远程连接登录Windows服务器教程
43 4
|
2月前
|
存储 NoSQL MongoDB
MongoDB入门级别教程全(Windows版,保姆级教程)
一份全面的MongoDB入门级教程,包括在Windows系统上安装MongoDB、使用MongoDB Shell和Compass GUI进行数据库操作,以及MongoDB的基本数据类型和查询技巧。
74 2
MongoDB入门级别教程全(Windows版,保姆级教程)
|
2月前
|
Kubernetes Linux 测试技术
|
2月前
|
并行计算 Ubuntu 算法
Ubuntu18 服务器 更新升级CUDA版本 pyenv nvidia ubuntu1804 原11.2升级到PyTorch要求12.1 全过程详细记录 apt update
Ubuntu18 服务器 更新升级CUDA版本 pyenv nvidia ubuntu1804 原11.2升级到PyTorch要求12.1 全过程详细记录 apt update
111 0
|
2月前
|
Java Linux Maven
用sdkman在linux上管理多个java版本
本文介绍了如何在Linux上使用SDKMAN来管理多个Java版本,包括安装SDKMAN、验证安装、列出和安装不同版本的JDK、Maven和Gradle,以及如何切换使用不同版本。
60 0