本人是在显卡为RTX2070的笔记本上配置pytorch1.0版本,对于高版本的显卡,会有很多兼容问题,
配置CUDA10.0
首先进入cuda官网,下载cuda_10.1.105_418.96_win10.exe文件,下载完成之后进行安装
直接安装,一直点击OK,安装方式选择自定义安装,安装选项选择全选。安装路径很重要,按照提示路径选择。
点击后就进入安装等待界面,然后会提示安装结束就安装成功了!另外还需要编辑系统环境变量。判断是否安装成功是在CMD命令行下输入nvcc -V。显示出10.0的版本表示安装成功。
配置CUDNN7.4
cudnn下载官网需要账号,这里提供百度云链接,提出码1p3m,下载解压后得到的是一个cuda文件夹,其中有三个目录:bin、include、lib。分别将cuda/bin/ 、cuda/include/、cuda/lib/x64/下的三个子文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin、C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include、C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64的目录***意:一 一对应!到此,固态配置部分全部完成。
Python3.6&Pycharm
作者觉得很多模块对python3.6兼容性更好,选择python3.6。可以登入Python官网下载python3.6.8 64位可执行文件,安装过程就是直接下一步,请记住python安装完成后也需要配置环境变量,根据自己Python的安装路径填写。在cmd命令行输入python回车,会输出安装的Python版本信息。
Pycharm是python IDE,功能强大,安装社区版,安装步骤很简单。直接点击下一步就行。
pytorch1.0安装
打开pytorch 官网,根据CUDA版本选择正确项,在cmd内输出命令行,安装pytorch、torchvision。安装成功后可在命令行导入,若想在pycharm中运行pytoch,需要对pycharm配置环境,将安装的pytorch包和torchvision放入配置环境路径中。
测试pytorch 在GPU下使用
输入测试代码,如果输出为True,则成功!
import torch
print(torch.cuda.is_available())