从零开始下载torch+cu(无痛版)

简介: 这篇文章提供了一个详细的无痛版教程,指导如何从零开始下载并配置支持CUDA的PyTorch GPU版本,包括查看Cuda版本、在官网检索下载包名、下载指定的torch、torchvision、torchaudio库,并在深度学习环境中安装和测试是否成功。

从零开始下载torch+cu(无痛版)

文章目录

  • 从零开始下载torch+cu(无痛版)
    • 一,前言
    • 二,配置torch的GPU版具体步骤
      • 1,查看电脑安装的Cuda版本
      • 2,在pytoch官网检索待下载whl包名以及版本
      • 3,下载指定torch,torchvision,torchaudio三个库
      • 4,安装进目标深度学习环境中
      • 5,测试是否安装成功

一,前言

由于搞了些新电脑,经常需要配深度学习环境,老是搜来搜去的深感繁琐,干脆记录一下搜自己的老快了hh。

二,配置torch的GPU版具体步骤

一般来说正常的conda,和pip直接下载都会直接寄,或者等会再寄,遂需要直接下载whl然后安装、不排除有通过pip+default-timeout成功的天命之子哈

1,查看电脑安装的Cuda版本

nvcc -V

在这里插入图片描述
可以看到我是CUDA11.6

如果没有安装Cuda的可以参考这个博客:
深度学习环境配置超详细教程【Anaconda+PyTorch(GPU版)+CUDA+cuDNN】
如果,不是N卡,只能。。。使用钞能力了,爱莫能助。

2,在pytoch官网检索待下载whl包名以及版本

pytorch 过往历史版本地址:https://pytorch.org/get-started/previous-versions/
举个例子:我查询得到我的cuda版本是11.6那么我们找找cu11.6支持哪些torch版本
在这里插入图片描述

然后找到了图上:这个发现有一个有一行#CUDA 11.6下面一行pip。
pip 里面的内容就是我们要手动下载的包。
我的是:

torch1.13.0+cu116 torchvision0.14.0+cu116 torchaudio==0.13.0

大家可视自身情况,安装适合自己cuda的torch,torchvision,torchaudio版本

如果想要的torch版本和自身的cuda的不匹配怎么办?那就卸载cuda重新安装就好了(慎重),这个是重装cuda的教程:windows下CUDA的卸载以及安装

3,下载指定torch,torchvision,torchaudio三个库

地址:https://download.pytorch.org/whl/cu113
注:记得关掉魔法上网
在这里插入图片描述
这里我以下载torch的whl包为栗子
点击去之后, ctrl+f 输入:我的是11.6所以输出cu116 其余版本同理
在第二节中可以知道要下载的torch版本为:torch==1.13.0+cu116
然后我是python10,windows系统,所以我下载这个:torch-1.13.0+cu116-cp310-cp310-win_amd64.whl
注:cp310不是310个对象昂,是指python版本
在这里插入图片描述
其他三个同理。
在这里插入图片描述

下载如上
在这里插入图片描述

可以看到我下载的和pytorch官网里面的,不能说毫不相干只能说是一摸一样。

4,安装进目标深度学习环境中

打开Anconda Prompt 输入:

conda create -n pytorch13 python=3.10
conda activate pytorch13
pip install C:\Users\Admin\Downloads\torch-2.0.0+cu117-cp39-cp39-win_amd64.whl
pip install C:\Users\Admin\Downloads\torchvision-0.14.0+cu116-cp310-cp310-win_amd64.whl
pip install C:\Users\Admin\Downloads\torchaudio-0.13.0+cu117-cp39-cp39-win_amd64.whl

注:pip install 后面的地址变成你们下载的whl绝对地址就好,安装顺序依次是 torch torchvision torchaudio
在这里插入图片描述

5,测试是否安装成功

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

在这里插入图片描述
当打印True的时候就恭喜,你配置torch+GPU深度学习环境成功了!

相关实践学习
在云上部署ChatGLM2-6B大模型(GPU版)
ChatGLM2-6B是由智谱AI及清华KEG实验室于2023年6月发布的中英双语对话开源大模型。通过本实验,可以学习如何配置AIGC开发环境,如何部署ChatGLM2-6B大模型。
相关文章
|
IDE PyTorch 网络安全
|
存储 数据采集 传感器
一文多图搞懂KITTI数据集下载及解析
一文多图搞懂KITTI数据集下载及解析
17361 3
一文多图搞懂KITTI数据集下载及解析
|
并行计算 异构计算
卸载原有的cuda,更新cuda
本文提供了一个更新CUDA版本的详细指南,包括如何查看当前CUDA版本、检查可安装的CUDA版本、卸载旧版本CUDA以及安装新版本的CUDA。
18019 3
卸载原有的cuda,更新cuda
|
机器学习/深度学习 人工智能 算法
Python+YOLO v8 实战:手把手教你打造专属 AI 视觉目标检测模型
本文介绍了如何使用 Python 和 YOLO v8 开发专属的 AI 视觉目标检测模型。首先讲解了 YOLO 的基本概念及其高效精准的特点,接着详细说明了环境搭建步骤,包括安装 Python、PyCharm 和 Ultralytics 库。随后引导读者加载预训练模型进行图片验证,并准备数据集以训练自定义模型。最后,展示了如何验证训练好的模型并提供示例代码。通过本文,你将学会从零开始打造自己的目标检测系统,满足实际场景需求。
16891 1
Python+YOLO v8 实战:手把手教你打造专属 AI 视觉目标检测模型
|
机器学习/深度学习 存储 算法
近端策略优化(PPO)算法的理论基础与PyTorch代码详解
近端策略优化(PPO)是深度强化学习中高效的策略优化方法,广泛应用于大语言模型的RLHF训练。PPO通过引入策略更新约束机制,平衡了更新幅度,提升了训练稳定性。其核心思想是在优势演员-评论家方法的基础上,采用裁剪和非裁剪项组成的替代目标函数,限制策略比率在[1-ϵ, 1+ϵ]区间内,防止过大的策略更新。本文详细探讨了PPO的基本原理、损失函数设计及PyTorch实现流程,提供了完整的代码示例。
7669 10
|
机器学习/深度学习 人工智能 Linux
SAM 2.1:Meta 开源的图像和视频分割,支持实时视频处理
SAM 2.1是由Meta(Facebook的母公司)推出的先进视觉分割模型,专为图像和视频处理设计。该模型基于Transformer架构和流式记忆设计,实现了实时视频处理,并引入了数据增强技术,提升了对视觉相似物体和小物体的识别能力。SAM 2.1的主要功能包括图像和视频分割、实时视频处理、用户交互式分割、多对象跟踪以及改进的遮挡处理能力。
2083 6
SAM 2.1:Meta 开源的图像和视频分割,支持实时视频处理
|
机器学习/深度学习 数据可视化 PyTorch
深度学习之如何使用Grad-CAM绘制自己的特征提取图-(Pytorch代码,详细注释)神经网络可视化-绘制自己的热力图
深度学习之如何使用Grad-CAM绘制自己的特征提取图-(Pytorch代码,详细注释)神经网络可视化-绘制自己的热力图
深度学习之如何使用Grad-CAM绘制自己的特征提取图-(Pytorch代码,详细注释)神经网络可视化-绘制自己的热力图
|
IDE 网络安全 开发工具
IDE之vscode:连接远程服务器代码(亲测OK),与pycharm链接服务器做对比(亲自使用过了),打开文件夹后切换文件夹。
本文介绍了如何使用VS Code通过Remote-SSH插件连接远程服务器进行代码开发,并与PyCharm进行了对比。作者认为VS Code在连接和配置多个服务器时更为简单,推荐使用VS Code。文章详细说明了VS Code的安装、远程插件安装、SSH配置文件编写、服务器连接以及如何在连接后切换文件夹。此外,还提供了使用密钥进行免密登录的方法和解决权限问题的步骤。
13128 0
IDE之vscode:连接远程服务器代码(亲测OK),与pycharm链接服务器做对比(亲自使用过了),打开文件夹后切换文件夹。

热门文章

最新文章