windows下MX150显卡安装cuda11.3+cudnn8.4.1+torch1.12.0+torchvision0.13.0+torchaudio0.12.0

文章目录

- - 1）安装Anaconda
  - 2）查看显卡驱动支持的最高CUDA版本
  - 3）查看pytorch官方推荐CUDA版本
  - 4）下载CUDA并安装
  - 5）下载cudnn安装
  - 6）使用conda安装torch、torchvision、torchaudio和cudatoolkit（不成功，踩雷经历，可跳过直接看第7条）
  - 7）不自动安装，手动安装torch、torchvision、torchaudio（成功）
  - PS: Linux下安装环境流程：

1）安装Anaconda

首先需要安装anaconda，自己电脑已经安装，这里不再叙述，过程也比较简单，可自行百度。
安装完anaconda后，我使用以下命令创建了一个python3.8的环境：
conda create --name py38 python=3.8
创建完这个环境后，使用以下命令进入这个py38环境：
conda avtivate py38
进入环境后，下面所有的命令都在这个环境下执行，相当于将torch安装在这个环境下

2）查看显卡驱动支持的最高CUDA版本

然后右击 NVIDIA设置–>NVIDIA控制面板–>帮助–>系统信息–>组件，查看当前显卡驱动版本支持的最高版本CUDA
由于之前版本的驱动太老，支持的cuda最高才是9.2，因此卸载了原先驱动，安装了当前最新的驱动版本nvidia-516.59(去nvidia驱动官网，选择自身显卡情况，下载最新的即可)
安装之后查看支持最高的CUDA版本为11.7

3）查看pytorch官方推荐CUDA版本

然后去pytorch官网，点击install，下面会出现几个官方推荐的CUDA版本，给我推荐的是10.2，11.3和11.6，网上说11.3会好一点，因此我最终选择了11.3

4）下载CUDA并安装

确定了CUDA版本后，就去CUDA官网下载11.3版本的CUDA（默认的一般是最新的，需要去旧版本中下载），下载好后双击安装。
注意： 1) 安装CUDA前，最好先安装好Visual studio。2）选择自定义安装，只选择CUDA选项，去掉Driver components等选项。否则选择精简安装的话，会重新安装显卡驱动。

5）下载cudnn安装

cudnn是基于cuda的加速器，可提升原有的gpu算力至1.5倍。
直接去cudnn官网，下载当前CUDA版本对应的cudnn（注意是windows版本），然后解压，解压后有bin, include, lib三个文件夹和一个LICENSE文件
将这三个文件夹复制到CUDA的安装目录下即可，就完成了安装。
我默认安装目录为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

6）使用conda安装torch、torchvision、torchaudio和cudatoolkit（不成功，踩雷经历，可跳过直接看第7条）

根据自身情况进行选择，我的选项是Stable–>Windows–>Python–>CUDA11.3，官方的命令如下：
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
但是最后 -c pytorch 表示将会从pytorch指定下载的渠道进行下载，我的conda已经更换为了清华源，所以将末尾的-c pyotrch去掉，命令如下：

conda install pytorch torchvision torchaudio cudatoolkit=11.3

这里安装之后，torch.cuda.is_available()返回false，网上查原因说是因为去掉了-c pyotrch使用清华源下载的其实是cpu版本的torch。
因此我使用下面命令将刚才装的几个包卸载了一下：

conda uninstall pytorch torchvision torchaudio cudatoolkit=11.3

然后使用官方的代码装了一遍：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

但是在安装过程中出现了以下错误：

CondaError: Downloaded bytes did not match Content-Lengthurl: https://conda.anaconda.org/pytorch/win-64/pytorch-1.12.0-py3.8_cuda11.3_cudnn8_0.tar.bz2target_path: C:\Software\Anaconda\pkgs\pytorch-1.12.0-py3.8_cuda11.3_cudnn8_0.tar.bz2Content-Length: 1282737477downloaded bytes: 1255012794

因此这种方法没成功，选择了手动安装

7）不自动安装，手动安装torch、torchvision、torchaudio（成功）

先去官网，看官网推荐安装的torch版本（如果官网上看不出来的话，可以先使用pip install的方式查看下载的是哪个torch版本），我的是1.12.0，然后参考链接得到torch1.12.0对应torchvision0.13.0，torchaudio0.12.0。
版本对应参考链接：https://blog.csdn.net/shiwanghualuo/article/details/122860521
whl文件下载链接：https://download.pytorch.org/whl/torch_stable.html
所以我下载的文件为：torch-1.12.0+cu113-cp38-cp38-win_amd64.whl、torchvision-0.13.0+cu113-cp38-cp38-win_amd64.whl、torchaudio-0.12.0+cu113-cp38-cp38-win_amd64.whl
CD到这三个文件的下载目录，依次安装这三个whl：pip install xxx.whl
然后打开cmd，进入python，检查是否安装成功：

>>> import torch
>>> torch.cuda.is_available()
True
>>> print(torch.cuda.get_device_name(0))
NVIDIA GeForce MX150
>>> torch.__version__
'1.12.0+cu113'

PS: Linux下安装环境流程：

安装anaconda
打开 nvidia-smi 查看当前驱动支持的最高cuda版本（前提是Nvidia驱动已经安装好），比如支持的最高是：CUDA:11.3
打开pytorch官网之前版本释放的网站（https://pytorch.org/get-started/previous-versions/），查看cuda11.3对应的版本，这里推荐 conda install 自动安装，官网上的命令如下：
如conda install 自动安装不成功，则使用如下 pip install 手动安装轮子的方法。在刚才的网站上找到 pip install 的命令如下：
可以看到，CUDA的版本是11.3，根据CUDA的版本找到cudnn的版本并下载，先安装CUDA和cudnn（安装CUDA前，最好先安装好Visual studio，细节参考第4条）。安装完后，可以看到，对应的torch版本是：1.12.0+cu113；torchvision版本是：0.13.0+cu113； torchaudio版本是：0.12.0
然后打开 cuda 11.3 对应包的下载网址：https://download.pytorch.org/whl/cu113/ ；手动下载对应的三个包：
最后使用 pip install 这三个包

总结：首先推荐conda install 安装方式；如果不成功，则根据推荐的torch版本，先手动安装CUDA、cudnn，再手动下载和安装torch、torchvision、torchaudio。

参考链接：
[1] https://zhuanlan.zhihu.com/p/483816738
[2] https://zhuanlan.zhihu.com/p/131595687
[3] https://zhuanlan.zhihu.com/p/99880204?from_voters_page=true
[4] https://blog.csdn.net/qq_46126258/article/details/112708781