- Recherchez cmd avec la touche win, cliquez avec le bouton droit pour sélectionner l'administrateur et exécutez la commande: conda install pytorch torchvision cuda100 -c pytorch Remarque: Il s'agit de la version pytorch de CUDA 10.0. Notez qu'il doit être en mode administrateur. Ne vous contentez pas de courir et de courir stupidement, lisez d'abord
- Comment obtenir différentes versions de commandes? Recherchez sur le site officiel de pytorch, sélectionnez la version correspondante, et les commandes pertinentes seront automatiquement données. Un autre: pour télécharger les versions précédentes, veuillez visiter https://pytorch.org/get-started/previous-versions/
- Commande à exécuter, voir l'étape suivante
- Si vous n'avez pas franchi le mur, la vitesse de téléchargement sera très lente. Malheureusement, cette commande doit installer un package d'environ 1.4G, donc CondaHTTPError se produit généralement. Pour la solution, veuillez vous référer à mon autre blog: CondaHTTPError in conda install command
Cependant, le point est ici, ne pensez pas que vous pouvez exécuter des commandes après avoir configuré les choses mentionnées ci-dessus. La condition préalable pour télécharger certains packages dans cette commande est que cudnn doit être configuré
- Il existe différentes versions disponibles sur le site officiel de cudnn. Vous devez les télécharger en fonction de la version de cuda que vous avez installée. Visitez https://developer.nvidia.com/rdp/cudnn-download et créez un compte pour vous connecter. La mienne est la version correspondant à cuda10.0: Lien: https://pan.baidu.com/s/1lI0oW28a0AULNcWxRCEFNA Code d'extraction: e43t
- Après le téléchargement, il s'agit d'un package compressé, décompressez-le, vous verrez trois dossiers
- Ensuite, nous devons copier ces trois dossiers dans le répertoire d'installation de CUDA. Où se trouve le répertoire d'installation de CUDA? Voir mon autre blog: installation de CUDA10.0 sous le système Win10 . Notez que ces trois dossiers existent également dans le répertoire d'installation de CUDA, donc notre copie ici fait référence à la copie des choses dans les trois dossiers non compressés dans le répertoire CUDA correspondant
À ce stade, l'installation cudnn est terminée
- Ensuite, nous pouvons exécuter la commande d’installation de pytorch correspondant à cuda10.0. Ce processus peut prendre un certain temps. Si l’installation est réussie, il en demandera trois. Je n’ai pas de capture d’écran. Mais j'ai à nouveau exécuté la commande, cela m'indiquera que tous les packages ont été installés, jusqu'à présent, la commande d'installation s'exécute avec succès.
- Enfin, nous pouvons accéder au package guide pour tester
>>> import torch #导入torch包 >>> torch.__version__ #d查看torch版本 '1.2.0' >>> import torchvision #导入torchvision >>> torchvision.__version__ #查看torchvision版本 '0.4.0' >>> torch.cuda.is_available() #查看gpu是否可用 True >>> torch.cuda.device_count() #查看gpu个数 1 >>> torch.cuda.current_device() #查看当前gpu 0 >>> torch.cuda.get_device_name(0) #查看当前设备名称 'GeForce 940M' - Le résultat final, n’envie pas mon installation réussie hahahaha
