gpu的安装和使用

本文章基于李沐老师的《动手学深度学习》(pytorch版)，在此学习观礼膜拜。 课程主页：https://courses.d2l.ai/zh-v2 教材： https://zh-v2.d2l.ai/ 课程论坛讨论：https://discuss.d2l.ai/c/16Pytorch 论坛： https://discuss.pytorch.org/

首先为大家贴上关于gpu使用的课程链接：https://www.bilibili.com/video/BV1z5411c7C1?spm_id_from=333.999.0.0 因为前面李沐的课程安装的时候，使用的是cpu版本的pytorch，所以即使你的电脑有独立GPU的时候，也并不能调用GPU进行计算。我自己看攻略摸索弄了蛮久的，在这里为大家贴上我的安装过程，也是基于李沐课程最快捷的方式。

查询你的GPU版本以及python相关包的版本

查询GPU型号和CUDA版本

zilangch/CSDN：conda换源+查看cuda版本+anaconda一步安装torch和cuda 为GPU安装合理的驱动，可以从官网下载。这里也有攻略：Win10+NVIDIA GeForce MX150: CUDA9+cuDnn+TensorFlow-GPU的安装教程

注意：这里的CUDA版本是随着驱动版本变化的，表示你后面要安装的CUDA不应该超过这里的版本号。

python及第三方包的版本号

因为最终要在d2l-zh这个虚拟环境里完成安装，所以你要先激活虚拟环境，然后进行检查。

conda activate d2l-zh
conda list

# Name                    Version                   Build  Channel
python                    3.8.13               h6244533_0    defaults
torch                     1.11.0                   pypi_0    pypi
torchvision               0.12.0                   pypi_0    pypi

选定待下载的CUDA和cuddn的版本

你最终选定的版本应当符合以下几条要求：

1. 你可以在清华镜像站里找到一些合适的对应版本。
2. cuda版本确定时，cudnn的版本也会相应确定，可能有几个，影响不大。 CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive CUDNN下载地址：https://developer.nvidia.com/rdp/cudnn-archive
3. cuda的版本会对GPU驱动的版本号有要求，具体见官网文档。

最后以我上面的版本号为例，来演示怎么找到适合自己的版本:

综上，我选择的pytorch和torchvision版本即清华镜像站中的两个，cuda11.3，cudnn8.2.0

安装CUDA和对应的cudnn版本

Nvidia的网站大陆访问可能有点慢，要耐心。当然如果你可以在国内镜像网站找到也可以对应处理。 下载cudnn的时候需要注册账号，填入信息。

你也还是可以继续参考这个链接：Win10+NVIDIA GeForce MX150: CUDA9+cuDnn+TensorFlow-GPU的安装教程

安装GPU版本的pytorch和torchvision

这里应用了清华镜像。卡住的话可以回车试试。

conda install https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/pytorch-1.11.0-py3.8_cuda11.3_cudnn8_0.tar.bz2
conda install https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/torchvision-0.12.0-py38_cu113.tar.bz2

检验安装效果

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

Out:
True
1

p img{ width: 80%; border: solid black 1px; } li img{ width: 90%; border: solid black 1px; } table thead tr th:nth-of-type(1){ width: 15%; }