pythorch cuda11.4

时间: 2024-05-17 21:12:07 浏览: 113

ubuntu18.04 python3.8 CUDA11.4 PYTorch1.13.1 tensorrt8.4安装测试全过程

python==3.8； CUDA_Version==11.4； TensorRT-8.4.3.1.Linux.x86_64-gnu.cuda-11.6.cudnn8.4；默认nvidia_cudnn_cu11-8.5.0.96-2-py3-none-manylinux1_x86_64；默认nvidia_cublas_cu11-11.10.3.66-py3-none-manylinux1_x86_64； cudnn-11.3-linux-x64-v8.2.1.32； torch-1.13.1-cp38-cp38-manylinux1_x86_64； torchvision==0.14.1； yolov5-6.2； ### 知识点一：Ubuntu 18.04 上 Python 3.8 环境搭建在 Ubuntu 18.04 上搭建 Python 3.8 的环境，可以通过 Anaconda 来轻松管理不同版本的 Python 和相关依赖库。首先确保已经安装了 Anaconda，如果没有安装，则可以访问 [Anaconda 官方网站](https://www.anaconda.com/products/distribution/) 下载安装。安装好 Anaconda 后，打开终端并执行以下命令来创建一个名为 `py38` 的新环境： ```bash conda create -n py38 python=3.8 ``` 创建环境后，需要激活这个环境： ```bash source activate py38 ``` 这一步是必不可少的，因为后续的所有操作都将在这个环境中进行。 ### 知识点二：CUDA 11.4 安装与验证 #### 安装 CUDA 11.4 1. **下载 CUDA 11.4**：访问 NVIDIA 的官方下载页面，选择合适的 CUDA 版本（本例中为 11.4），下载相应的 `.run` 文件。 2. **安装 CUDA**：通过终端执行下载好的 `.run` 文件。通常步骤包括卸载旧版本、接受许可协议、选择安装类型等。 3. **验证 CUDA 安装**：可以通过命令 `nvidia-smi` 查看当前系统中已安装的 CUDA 版本，确认版本号为 11.4。 #### 验证 CUDA 安装在终端输入 `nvidia-smi`，如果输出显示的 CUDA 版本为 11.4，则表示安装成功。 ### 知识点三：PyTorch 1.13.1 安装与验证 #### 使用清华源镜像安装 PyTorch 1. **选择正确的 PyTorch 版本**：根据 CUDA 的版本选择对应的 PyTorch 版本。对于 CUDA 11.4，推荐使用 PyTorch 1.13.1。 2. **安装 PyTorch**：使用 pip 命令安装 PyTorch，同时指定清华源作为下载来源： ```bash pip install torch-1.13.1-cp38-cp38-manylinux1_x86_64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple ``` #### 验证 PyTorch 安装安装完成后，可以通过 Python 的交互模式来验证 PyTorch 是否正确安装： ```python import torch print(torch.__version__) ``` 如果输出版本号为 1.13.1，则表明安装成功。 ### 知识点四：TensorFlow 相关组件安装 #### 安装 torchvision ```bash pip install torchvision==0.14.1 -i https://pypi.tuna.tsinghua.edu.cn/simple ``` #### 安装 yolov5 1. **下载 yolov5**：从 GitHub 下载 yolov5 的 v6.2 版本，并解压到本地。 2. **安装相关库**：在解压后的 yolov5 文件夹中，找到 `requirements.txt` 文件，并确保其中的 torch 和 torchvision 已被注释掉。然后，在该文件夹中激活 Python 3.8 环境，并执行： ```bash pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple ``` ### 知识点五：TensorRT 8.4.3.1 安装与验证 #### 下载并安装 TensorRT 8.4.3.1 1. **下载 TensorRT 8.4.3.1**：访问 NVIDIA 官网下载对应 CUDA 11.4 的 TensorRT 安装包。 2. **安装 TensorRT**：解压下载的文件至本地，并进入解压后的 `TensorRT-8.4.3.1.Linux.x86_64-gnu.cuda-11.6.cudnn8.4/TensorRT-8.4.3.1/python/` 文件夹，激活 Python 3.8 环境后安装 TensorRT 库： ```bash pip install tensorrt-8.4.3.1-cp38-none-linux_x86_64.whl ``` 3. **安装其他必要的库**：在 `TensorRT-8.4.3.1/graphsurgeon` 文件夹下，安装 `graphsurgeon` 库： ```bash cd TensorRT-8.4.3.1\graphsurgeon pip install graphsurgeon-0.4.6-py2.py3-none-any.whl ``` #### 验证 TensorRT 安装安装完成后，可以通过 Python 的交互模式来验证 TensorRT 是否正确安装： ```python import tensorrt as trt print(trt.__version__) ``` 如果输出版本号为 8.4.3.1，则表明安装成功。以上步骤详细介绍了如何在 Ubuntu 18.04 系统上安装和配置 Python 3.8、CUDA 11.4、PyTorch 1.13.1、TensorRT 8.4.3.1 及其相关组件的过程。这些组件是深度学习开发的重要工具，正确地安装它们将有助于后续的工作流程和项目开发。

您的问题是关于PyTorch和CUDA 11.4的吗？PyTorch是一个用于Python的开源机器学习库，它可以运行在GPU上加速训练和推理。CUDA是NVIDIA开发的用于并行计算的平台，它可以在GPU上加速计算。如果您想在使用PyTorch时使用CUDA 11.4，您需要安装与CUDA 11.4兼容的PyTorch版本。您可以通过以下命令安装最新版本的PyTorch： ``` pip install torch torchvision torchaudio --pre -f https://download.pytorch.org/whl/nightly/cu114/torch_nightly.html ``` 这将安装适用于CUDA 11.4的PyTorch版本。请注意，您需要安装与您的GPU和操作系统兼容的CUDA驱动程序才能使用CUDA 11.4。希望这可以帮助您解决问题！

阅读全文

pythorch cuda11.4

相关推荐

cuda11.4、cuda11.3和对应cudnn安装包(ubuntu18.04)

NVIDIA CUDA官方工具11.4.0版本win10系统在线安装包

cuda 11.4 安装

cuda11.4 版本

cuda11.4对应cudatoolkit版本

ubantu安装cuda11.4

cuda11.4安装torch

cuda11.4 版本查看

cuda 11.4对应的torcch

conda cuda11.4 安装pytorch

cuda11.4对应的paddle

cuda11.4安装Pytorch命令

cuda11.4对应的tensflow

ubuntu18.04安装cuda11.4

ubuntu20.04安装cuda11.4

cuda 11.4 duiying de cudnn

CUDA 11.4对应的torchvision

cuda11.4对应的tensflow版本

cuda11.4对应的cudnn版本

最新推荐

白色大气风格的旅游酒店企业网站模板.zip

RStudio中集成Connections包以优化数据库连接管理

管理建模和仿真的文件

Keil uVision5全面精通指南

flink提交给yarn19个全量同步MYsqlCDC的作业，flink的配置参数怎样设置

PHP博客旅游的探索之旅

"互动学习：行动中的多样性与论文攻读经历"

【单片机编程实战】：掌握流水灯与音乐盒同步控制的高级技巧

java 号码后四位用‘xxxx’脱敏

Arachne:实现UDP RIPv2协议的Java路由库