自己在配置指定版本的cuda环境时出现很多问题,搜索了很多方法之后最终配置成功,特此记录一下

一、cuda、cudnn安装

首先安装我需要的cuda11.8(根据项目需求,不能超过支持的最高版本),官网地址为CUDA Toolkit 11.8 Downloads | NVIDIA Developer

选择符合自己的版本即可,我直接安装在默认路径C盘

接着安装cudnn,官网地址cuDNN Archive | NVIDIA Developer

cuda和cudnn的安装都可以参考这位大佬的博客:

CUDA安装及环境配置——最新详细版-CSDN博客

二、cuda默认版本修改

首先在vscode终端中输入

nvcc --version

发现存在默认版本12.4,但是我想用cuda11.8

查看了系统环境变量(Windows→系统→高级系统设置→环境变量)发现cuda11.8已经存在并且已经置顶了,于是在vscode终端设置一下环境变量

$env:PATH="C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin;$env:PATH"
$env:CUDA_HOME="C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8"

这时再查看nvcc -V发现默认版本已经修改为cuda11.8

接着输入

python
import torch
print(torch.cuda.is_available())

发现cuda还是显示不可用

看一下我的安装包

pip list

这个版本说明我的torch不支持cuda,需要改为支持cuda的torch版本

于是重新安装支持cuda的torch(不需要卸载之前的,直接安装就行)

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

安装成功

这时再次pip list发现已经更新

再次检查我的cuda是否可用,发现已经变为可用

保险起见再检查一下当前使用的cuda版本

print(torch.version.cuda)

发现是11.8,大功告成

Logo

欢迎来到FlagOS开发社区,这里是一个汇聚了AI开发者、数据科学家、机器学习爱好者以及业界专家的活力平台。我们致力于成为业内领先的Triton技术交流与应用分享的殿堂,为推动人工智能技术的普及与深化应用贡献力量。

更多推荐