cuda与pytorch版本匹配测试

PyTorch-GPU与CUDA版本对应如下：

PyTorch-GPU 1..：CUDA 9.

PyTorch-GPU 1.1.：CUDA 9.、CUDA 10.

PyTorch-GPU 1.2.：CUDA 9.、CUDA 10.、CUDA 10.1

PyTorch-GPU 1.3.：CUDA 9.2、CUDA 10.、CUDA 10.1

PyTorch-GPU 1.4.：CUDA 10.、CUDA 10.1、CUDA 10.2

PyTorch-GPU 1.5.：CUDA 10.1、CUDA 10.2

PyTorch-GPU 1.6.：CUDA 10.1、CUDA 10.2、CUDA 11.

PyTorch-GPU 1.7.：CUDA 10.1、CUDA 10.2、CUDA 11.

PyTorch-GPU 1.8.：CUDA 11.1

PyTorch-GPU 1.9.：CUDA 11.1、CUDA 11.2

需要注意的是，不同版本的PyTorch-GPU可能需要不同版本的CUDA才能正常运行。因此，在安装PyTorch-GPU时，需要根据自己的CUDA版本选择相应的PyTorch-GPU版本。

相关问题

linux下cuda11.4安装pytorch

在Linux上安装CUDA 11.4和PyTorch可以按照以下步骤操作：

1. 首先，安装NVIDIA驱动程序并验证安装是否成功：

sudo apt-get update
sudo ubuntu-drivers devices
sudo apt-get install nvidia-driver-xxx (xxx为安装的驱动版本号）

然后，通过以下命令验证驱动程序是否正确安装：

nvidia-smi

2. 下载和安装CUDA 11.4：

下载CUDA Toolkit 11.4并安装：

sudo sh <download_path>/cuda_11.4.0_xxx.run

在安装期间，请根据提示进行选择。

3. 安装cuDNN 8.2.2：
cuDNN是加速深度学习的重要库之一，需要与安装CUDA的版本匹配。

下载并解压cuDNN 8.2.2文件。然后，运行以下命令安装：

sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

4. 安装Anaconda或Miniconda：

下载并安装Anaconda或Miniconda。

5. 创建conda虚拟环境：

conda create --name pytorch_env python=3.8

6. 激活虚拟环境：

conda activate pytorch_env

7. 安装PyTorch：

在conda环境中使用以下命令安装pytorch：

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

安装完成后，在conda环境中使用python命令启动Python解释器，然后导入PyTorch准备进行编程和测试。

参考链接:
https://learnopencv.com/installing-pytorch-with-cuda-on-ubuntu-with-anaconda/

PyTorch 1.7.1 的可以安装cuda10.2吗

可以安装，但需要注意的是，PyTorch 1.7.1 官方建议使用 CUDA 10.1 版本，因为它已经经过了测试和验证，可以保证最大的稳定性和性能。如果你想要使用 CUDA 10.2 版本，你需要自行测试和验证，并且需要确保你的 GPU 支持 CUDA 10.2 版本。

如果你决定使用 CUDA 10.2 版本，你需要首先安装 CUDA 10.2，然后再安装 PyTorch 1.7.1。你可以在 NVIDIA 官网上下载 CUDA 10.2 的安装包，并按照安装向导进行安装。在安装 PyTorch 时，你需要指定使用 CUDA 10.2 版本，例如：

pip install torch==1.7.1+cu102 -f https://download.pytorch.org/whl/cu102/torch_stable.html

需要注意的是，如果你使用 CUDA 10.2 版本，你需要安装相应版本的 cuDNN 库，并且你的 NVIDIA 驱动程序版本需要与 CUDA 10.2 版本匹配。你可以在 NVIDIA 官网上查找相应版本的 cuDNN 库和驱动程序，并进行安装。