conda虚拟环境中安装cuda和cudnn

目录

一、cuda安装步骤

1)cuda的安装

1、查看conda支持的cuda版本

2、下载cuda并安装cuda

2)cudnn的安装

1、查看cuda对应的cudnn版本

2、下载cudnn并安装

二、torch的安装和tensorflow的安装

1)安装tensorflow

1、确定安装版本并安装

2、验证是否可以调用gpu

2)安装torch

1、安装torch

2、测试cuda版本


一、cuda安装步骤

1)cuda的安装

1、查看conda支持的cuda版本

首先使用conda activate name命令把conda环境激活到目标环境。

执行以下命令后,会显示出源内所有的cuda版本,以及下载地址:

python 复制代码
conda search cudatoolkit --info

下面命令只显示版本:

python 复制代码
conda search cudatoolkit
2、下载cuda并安装cuda

找到自己想要的cuda版本后,先把cuda下载到本地。首先复制url字段里的下载链接,然后用命令cd到想要下载的目录,执行如下代码下载:

python 复制代码
wget 你刚刚复制的链接地址

执行如下命令进行安装,因为是通过本地安装的,所以需要写明本地包的路径

python 复制代码
# 然后安装本地包
conda install --use-local 本地cuda包所在的路径

附:直接使用conda install安装

执行命令直接安装cudatoolkit包(即安装cuda,找到安装的对应版本指定安装即可):

python 复制代码
conda install cudatoolkit==11.8.0

2)cudnn的安装

1、查看cuda对应的cudnn版本

使用如下命令查看conda支持的cudnn版本,注意cudnn的版本一定要和刚刚下载的cuda版本对应:

python 复制代码
conda search cudnn --info

执行后的结果如图所示,图中标出了cudnn所对应的cuda版本号位置

下面命令只显示版本:

python 复制代码
conda search cudnn
2、下载cudnn并安装

复制你想要版本的cudnn的下载地址,使用wget 链接地址进行下载。安装cudnn命令如下:

python 复制代码
conda install --use-local 本地cudnn包所在的路径

或者执行命令安装cudnn包:

python 复制代码
conda install cudnn==8.9.2.26

注意:

  • 一定要先进入刚创建的环境,不然后面的操作是在默认环境base上进行
  • 安装之后的 CUDA 和 cudnn 会存放在虚拟环境的 lib 文件夹 或者include 文件夹里面。如果直接通过win+r,cmd,nvcc -V命令会发现还是主机的版本。因此,不能使用nvcc -V命令测试,需要在虚拟环境中安装pytorch包进行测试

二、torch的安装和tensorflow的安装

1)安装tensorflow

1、确定安装版本并安装

通过conda search tensorflow-gpu命令查看可下载的版本:

python 复制代码
conda search tensorflow-gpu

这里没有更新到2.10,不过没关系,我们已经知道更新到了2.16版本,所以直接执行命令安装tensorflow:

python 复制代码
pip install tensorflow-gpu==2.10.0 -i https://pypi.douban.com/simple 
2、验证是否可以调用gpu
python 复制代码
import tensorflow as tf
gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
cpus = tf.config.experimental.list_physical_devices(device_type='CPU')
print(gpus, cpus)

或者

python 复制代码
import tensorflow as tf
version=tf.__version__  #输出tensorflow版本
gpu_ok=tf.test.is_gpu_available()  #输出gpu可否使用
print("tf version:",version,"\nuse GPU:",gpu_ok)

2)安装torch

1、安装torch

首先安装与cuda相匹配的pytorch和torchvision包,可以去pytorch官网查询。

python 复制代码
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.8 -c pytorch -c nvidia
2、测试cuda版本
python 复制代码
import torch
print(torch.cuda.is_available())

# 查询cuda版本
print(torch.version.cuda)

# 查询cudnn版本
print(torch.backends.cudnn.version())
相关推荐
虫无涯9 小时前
一种专为AI代理设计的内存层,能够在交互过程中记忆、学习和进化
人工智能
AI 嗯啦9 小时前
计算机视觉opencv----银行卡号码识别
人工智能·opencv·计算机视觉
恒点虚拟仿真9 小时前
XR数字融合工作站赋能新能源汽车专业建设的创新路径
人工智能·汽车·xr·虚拟现实·虚拟仿真·新能源汽车·ai+虚拟仿真
学历真的很重要9 小时前
Claude Code Windows 原生版安装指南
人工智能·windows·后端·语言模型·面试·go
TextIn智能文档云平台9 小时前
大模型处理长文档的挑战和解决方案?
人工智能
音视频牛哥9 小时前
《“人工智能+”行动意见》深度解析:从智能红利到产业落地,直播模块的技术价值与应用路径
人工智能·计算机视觉·音视频开发
mahuifa9 小时前
OpenCV 开发 -- 图像基本处理
人工智能·python·opencv·计算机视觉
GEO科技权威资讯9 小时前
生成对抗网络 (GAN):理解其原理与创作能力
人工智能·神经网络·生成对抗网络
六月的可乐10 小时前
【干货推荐】AI助理前端UI组件-悬浮球组件
前端·人工智能·ui
蔡俊锋10 小时前
【无标题】
人工智能·chatgpt