登录社区云，与社区用户共同成长
邀请您加入社区
之前用别人的一键包（confyui加各种东西），现在需要用到别的python版本，发现自己弄完的xformers又有问题，因为有些东西便携包都安装好了果真就是得自己搞一遍才会懂老规矩：available不就是正常的缺少依赖库嘛，还以为很简单的pip install，没想到不行.....而且基本都是liunx的，window版本还是得用大佬的，不然就得自己去编译，而且据说强行在window上面编译的
“ImportError: /root/miniconda3/envs/pytorch/lib/python3.8/site-packages/torch/lib/libc10 cuda.so: undefined symbol: cudaMempoolsetAttribute, version libcudart.so.11.0”
因为需要，开始入坑cuda，习惯了使用C语言写算法的我表示很懵逼…可能会出现一些问题，最大的原因还是conda的版本高了，最新的conda版本为3.7，而pycuda支持到3.6，所以，需要创建一个低版本的虚拟环境：见conda创建虚拟环境使用pip 命令直接安装即可：pip install pycuda...
到解压好的文件路径下打开jupyter notebook。找到resnet.ipynb。我的CUDA Version:12.5。等待一段时间就测试完成了。打开终端，执行上述指令。
想使用GPU加快程序运行速度，pip安装完torch后，检测时候报错。安装时成功了，从报错来看，发现还不能用。False。
1.正确安装anaconda此部分安装省略，请自行查找。2.创建环境conda create -n pytorch python=3.7 %创建一个名字为pytorch的环境，并给她安装3.7版本的python。3.官网不稳定，从清华源下载安装conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs
最近在复现一些使用老版本python、pytorch的深度学习代码时遇到了一些问题，尝试使用时，发现pip已经不支持安装如此老的版本，或者即使在安装后也无法使用GPUcuda。
深度学习，神经网络配置中 cuda is not available
本文把许多深度学习相关环境配置、版本查询和镜像源配置的基础操作都统一整理出来，提升实际操作的效率。包括 cuda、cudnn、nvidia驱动版本、linux内核版本的对应，pytorch、tensorflow、paddle对应的cuda、cudnn版本。以及 conda源配置， docker中conda源配置。pip配置文件的查找和pip源的修改。
triton只适用于Linux操作系统，对于Windows不适用，需要做相应的转换。的时候遇到报错：没有对应的版本。
因为nvidia的升级基本上都是是CUDA12了,在我发表文章的时候如果去官网下载CUDA包默认安装CUDA版本就是12了.解决方法：在安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\bin中，把cublas64_12.dll复制一个，名字改成cublas64_11.dll；如果还有其他错误，同样在本目录下面找到对应dll文
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考。
triton==2.0.0 pip install 失败
