在GPU上运行PyTorch

🍃作者介绍：双非本科大三网络工程专业在读，阿里云专家博主，专注于Java领域学习，擅长web应用开发、数据结构和算法，初步涉猎人工智能和前端开发。
🦅个人主页：@逐梦苍穹
📕所属专栏：人工智能
🌻gitee地址：xzl的人工智能代码仓库
✈ 您的一键三连，是我创作的最大动力🌹

1、查看GPU的CUDA版本

桌面右键->NVIDIA控制面板->帮助->系统信息->组件：


可以看到我这里的CUDA版本是11.8（这里也推荐是11.8，后续会再提到）

2、下载CUDA版本

英伟达官网：https://developer.nvidia.com/cuda-toolkit-archive

到英伟达官网下载对应的CUDA版本，我下载的版本是CUDA11.8.0：

安装CUDA：双击执行下载的exe文件，会先解压文件到临时目录（不是安装目录），保持默认即可

5. 安装过程：选择自定义

 取消勾选 Visual Studio Integration

 建议默认安装在C盘 。
 

3、安装cuDNN

英伟达官网：https://developer.nvidia.com/cudnn

到英伟达官网下载与CUDA对应的cuDNN

下载解压缩之后，将CUDNN文件夹里面的bin、include、lib文件夹里面的文件，直接复制到CUDA的对应的安装目录下 !

4、配置CUDA环境变量

在path中添加如下路径：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp

在终端输入nvcc -V：

5、安装配置Anaconda

清华镜像站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D

下载完成之后，正常下一步即可。这里写几个需要注意的点：
①这里可以先不用选Add sys path，只勾选Register。环境变量自己配置。

最后两项都不需要选，点击Finish：

可以看到安装后，除了Anaconda，默认还带了Jupyter、Spyder等：


配置环境变量：

如果你是默认安装的，那你的配置路径就是：

检查是否配置成功：

在cmd配置国内镜像源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

6、使用Anaconda

打开Anaconda Navigator：

启动完成：

这里是管理环境的：

conda常用命令：
https://docs.conda.io/projects/conda/en/latest/commands/index.html

7、pycharm导入虚拟环境

8、安装带GPU的PyTorch⭐

在cmd中（记得用管理员身份打开cmd）：

1. conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
2. conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch

测试安装是否成功以及能否正常使用GPU：

print("PyTorch版本: ", torch.__version__)  # 打印PyTorch版本
print("torchvision版本 ", torchvision.__version__)  # 打印torchvision版本
print("CUDA是否可用: ", torch.cuda.is_available())  # 检查CUDA是否可用

检查自己电脑的CUDA设备：

# -*- coding: utf-8 -*-
# @Author: CSDN@逐梦苍穹
# @Time: 2024/7/16 7:51
import torch

if torch.cuda.is_available():
    num_cuda_devices = torch.cuda.device_count()
    print(f"Number of CUDA devices: {num_cuda_devices}")
    for i in range(num_cuda_devices):
        print(f"CUDA Device {i}: {torch.cuda.get_device_name(i)}")
else:
    print("No CUDA devices available.")

9、总结

此次问题折腾了很久，其中的关键就是，电脑的CUDA版本和pytorch-cuda、cudatoolkit的版本必须一致！