时间:2021-05-22
在使用深度学习模型训练的过程中,工具的准备也算是一个良好的开端吧。熟话说完事开头难,磨刀不误砍柴工,先把前期的问题搞通了,能为后期节省不少精力。
以pytorch工具为例:
pytorch版本为1.0.1,自带python版本为3.6.2
服务器上GPU的CUDA_VERSION=9000
注意:由于GPU上的CUDA_VERSION为9000,所以至少要安装cuda版本>=9.0,虽然cuda=7.0~8.0也能跑,但是一开始可能会遇到各种各样的问题,本人cuda版本为10.0,安装cuda的命令为:
conda install cudatoolkit=10.0注:GPU显卡驱动一般没什么问题,所以尽量不要动cudnn的版本。
以上这篇浅谈pytorch、cuda、python的版本对齐问题就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
查看自己cuda版本,我的cuda是11版本了,所以可以安装11版本以下的任何版本。进入pytorch官网官网网址:https://pytorch.org/20
本文安装的是pytorch1.4版本(cpu版本)首先需要安装Anaconda是否需要安装基于cuda的PyTorch版本呢?对于普通笔记本来说即使有显卡性能也
1.大幅度提升Pytorch的训练速度device=torch.device("cuda"iftorch.cuda.is_available()else"cpu
最近将Pytorch程序迁移到GPU上去的一些工作和思考环境:Ubuntu16.04.3Python版本:3.5.2Pytorch版本:0.4.00.序言大家知
如果在python内调用pytorch有可能显存和GPU占用不会被自动释放,此时需要加入如下代码torch.cuda.empty_cache()我们来看一下官方