Ubuntu下CUDA 12.1安装PyTorch 2.1.0教程与验证
需积分: 3 37 浏览量
更新于2024-08-03
收藏 1KB MD 举报
本教程详细介绍了在Linux Ubuntu系统上安装并验证PyTorch的步骤,特别是针对CUDA的支持。首先,我们将在系统中创建一个新的工作目录,以保持环境整洁:
1. 创建工作目录:
使用命令`mkdir pytorch`来创建一个名为`pytorch`的新目录,这个目录将用于存放PyTorch及其相关依赖的所有安装文件。
接下来,我们将创建一个Python虚拟环境,以便管理项目依赖,避免全局安装可能带来的冲突:
2. 创建虚拟环境:
使用`python3 -m venv --system-site-packages .venv`创建一个名为`.venv`的虚拟环境。`--system-site-packages`选项允许我们使用系统已有的库。
在安装PyTorch之前,我们需要访问PyTorch的官方网站(<https://pytorch.org/>)以确定合适的版本。在这个例子中,我们将选择版本2.1.0,支持Linux操作系统,并且是通过Pip包管理器安装,同时需要CUDA 12.1的支持。
3. 安装PyTorch、TorchVision和Torchaudio:
在终端中输入`pip3 install torch torchvision torchaudio`,这将下载并安装指定版本的PyTorch及其相关的深度学习库。
为了确认安装成功,我们需要检查CUDA是否已正确安装。可以使用`nvidia-smi`命令查看GPU状态,如果没有报错,则安装步骤已完成。
4. 验证安装:
打开Python解释器,执行`import torch`,如果没有错误,表明PyTorch已经成功安装。接着,我们导入`torch.backends.cudnn`模块进行更深入的验证:
```python
import torch
from torch.backends import cudnn
```
分别打印`torch.cuda.is_available()`和`cudnn.is_available()`的结果,如果返回True,表示PyTorch能够识别到GPU并且CUDNN也已安装。
5. 测试GPU使用:
为了进一步确认PyTorch是否可以利用GPU执行计算,我们编写了一个简单的示例,如:
```python
cuda0 = torch.device('cuda:0')
x = torch.tensor([10.0], device=cuda0)
y = torch.rand((2,3), device=cuda0)
z = x + y
print(z)
```
这段代码将在GPU上创建张量并执行加法运算。
本教程指导了在Linux Ubuntu环境下安装和验证PyTorch(包括CUDA支持)的完整过程,从创建目录、创建虚拟环境,到安装相关库,以及确保其能够在GPU上运行。通过这些步骤,用户可以顺利地在Ubuntu系统上进行深度学习开发。
2024-06-13 上传
2020-11-30 上传
2023-08-06 上传
2021-01-09 上传
2021-05-14 上传
2020-09-14 上传
点击了解资源详情
点击了解资源详情
点击了解资源详情
0语1言
- 粉丝: 6
- 资源: 91
最新资源
- 开源通讯录备份系统项目,易于复刻与扩展
- 探索NX二次开发:UF_DRF_ask_id_symbol_geometry函数详解
- Vuex使用教程:详细资料包解析与实践
- 汉印A300蓝牙打印机安卓App开发教程与资源
- kkFileView 4.4.0-beta版:Windows下的解压缩文件预览器
- ChatGPT对战Bard:一场AI的深度测评与比较
- 稳定版MySQL连接Java的驱动包MySQL Connector/J 5.1.38发布
- Zabbix监控系统离线安装包下载指南
- JavaScript Promise代码解析与应用
- 基于JAVA和SQL的离散数学题库管理系统开发与应用
- 竞赛项目申报系统:SpringBoot与Vue.js结合毕业设计
- JAVA+SQL打造离散数学题库管理系统:源代码与文档全览
- C#代码实现装箱与转换的详细解析
- 利用ChatGPT深入了解行业的快速方法论
- C语言链表操作实战解析与代码示例
- 大学生选修选课系统设计与实现:源码及数据库架构