在Ubuntu上安装PyTorch GPU版,你需要确保你的系统满足以下条件:
以下是安装步骤:
首先,你需要根据你的GPU型号和驱动版本选择合适的CUDA Toolkit版本。你可以从NVIDIA官网的CUDA Toolkit Archive下载。
以CUDA 11.7为例,你可以使用以下命令安装:
wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run
sudo sh cuda_11.7.0_515.43.04_linux.run
在安装过程中,确保选择安装CUDA Toolkit以及驱动程序(如果尚未安装)。
cuDNN是用于深度神经网络的GPU加速库。你需要注册一个NVIDIA开发者账户并登录到cuDNN下载页面来下载适合你CUDA版本的cuDNN。
下载后,解压文件并将文件复制到CUDA目录中:
tar -xzvf cudnn-11.7-linux-x64-v8.4.1.50.tgz
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
为了确保PyTorch能够找到CUDA和cuDNN,你需要设置一些环境变量。将以下内容添加到你的~/.bashrc
文件中:
export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
然后运行以下命令使更改生效:
source ~/.bashrc
你可以使用pip来安装PyTorch GPU版。访问PyTorch官网,选择适合你的操作系统、包管理器、CUDA版本等信息,然后复制生成的pip安装命令。
例如,如果你使用的是CUDA 11.7,可以使用以下命令安装:
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
安装完成后,你可以通过运行以下命令来验证PyTorch是否正确安装并能够检测到GPU:
import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.cuda.current_device())
print(torch.cuda.get_device_name(torch.cuda.current_device()))
如果输出显示了CUDA的版本号,并且torch.cuda.is_available()
返回True
,则表示PyTorch GPU版已经成功安装。
请注意,上述步骤可能会随着PyTorch和CUDA版本的更新而变化。建议访问PyTorch官网获取最新的安装指南。