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
|
机器学习/深度学习 算法 PyTorch
RPN(Region Proposal Networks)候选区域网络算法解析(附PyTorch代码)
RPN(Region Proposal Networks)候选区域网络算法解析(附PyTorch代码)
2885 1
|
算法 数据库 计算机视觉
Dataset之COCO数据集:COCO数据集的简介、下载、使用方法之详细攻略
Dataset之COCO数据集:COCO数据集的简介、下载、使用方法之详细攻略
|
机器学习/深度学习 并行计算 异构计算
NVIDIA CUDA/cuDNN历代版本下载地址
NVIDIA CUDA/cuDNN历代版本下载地址
5003 0
NVIDIA CUDA/cuDNN历代版本下载地址
conda常用操作和配置镜像源
conda常用操作和配置镜像源
30959 0
|
并行计算 PyTorch 算法框架/工具
【pytorch】解决pytorch:Torch not compiled with CUDA enabled
【pytorch】解决pytorch:Torch not compiled with CUDA enabled
9384 0
|
并行计算 PyTorch Linux
大概率(5重方法)解决RuntimeError: CUDA out of memory. Tried to allocate ... MiB
大概率(5重方法)解决RuntimeError: CUDA out of memory. Tried to allocate ... MiB
9839 0
|
11月前
|
搜索推荐 物联网 PyTorch
Qwen2.5-7B-Instruct Lora 微调
本教程介绍如何基于Transformers和PEFT框架对Qwen2.5-7B-Instruct模型进行LoRA微调。
11963 34
Qwen2.5-7B-Instruct Lora 微调
|
机器学习/深度学习 编解码 监控
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
这篇文章详细介绍了如何使用YOLOv8进行目标检测任务,包括环境搭建、数据准备、模型训练、验证测试以及模型转换等完整流程。
20919 59
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
9月前
|
机器学习/深度学习 存储 算法
DeepSeek元学习(Meta-Learning)基础与实践
元学习(Meta-Learning),又称“学会学习”,旨在通过少量数据或训练步骤使模型快速适应新任务。本文介绍如何使用DeepSeek构建和训练元学习模型,重点讲解基于优化的元学习方法MAML。我们从定义任务生成器、实现MAML算法到训练模型和快速适应新任务,提供了详细的代码示例和常见问题解决方案。通过本文,读者可以掌握元学习的基础与实践技巧,利用DeepSeek高效构建元学习模型。
|
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。
11087 3
卸载原有的cuda,更新cuda