在win10+vscode+anaconda3+python3.11.3独立环境部署pytorch2.0.1+cuda11.8

Posted on Edited on In Views:

该方式不用提前安装 vs2015_runtime 运行时以及 cuda、cudnn，在执行 pytorch 官网的命令后已经全部带有。因此，可在独立环境中同时存在多个版本的 cuda 或者 pytorch cpu 版本。

1、确定可支持 CUDA 版本

打开 NVIDIA Control Panel（NVIDIA 控制面板），点击左下角「系统信息」，在「组件」标签页查看支持的最高版本，如图所示：

图1-确定可支持CUDA版本

2、在 https://pytorch.org/ 查看 pytorch 支持的最高 CUDA 版本

图2-查看pytorch支持的最高CUDA版本

3、执行部署

1）确保 anaconda3（python3.11.3）在 vscode 能够正常使用，相关部署参考 部署win10+vscode+anaconda3环境

2）执行下列命令

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

注：全部安装均采用默认源，其中 libcublas 包的安装比较费时。

3）验证

执行如下代码：

1
2
3
4
5
6
7
8
9
10
11
12
import torch

# cuda是否可用
print(torch.cuda.is_available())
# 获取GPU信息
print("GPU=", torch.cuda.get_device_name(torch.device("cuda:0")))
# 获取pytorch版本
print("pytorch version=", torch.__version__)
# 获取cuda版本
print("cuda Version=", torch.version.cuda)
# 获取cudnn版本
print("cudnn version=", torch.backends.cudnn.version())

输出如下结果，表明全部组件安装成功：

1
2
3
4
5
True
GPU= NVIDIA GeForce RTX 4070
pytorch version= 2.0.1
cuda Version= 11.8
cudnn version= 8700