【深度学习】使用Conda虚拟环境安装多个版本的CUDA和CUDNN方便切换

conda虚拟环境安装CUDA和CUDNN

官网教程

https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#conda-installation

1. 背景

深度学习用显卡训练的时候,需要安装与显卡对应的cuda和cudnn。但不同的项目所支持的pytorch版本是不一样的,而pytorch版本和cuda版本之间又是互相依赖的,所以如果可以灵活地在不同cuda版本间切换将是非常方便的。anaconda就可以实现这个功能。我们可以在conda创建的不同虚拟环境中安装不同的cuda和cudnn版本,以此来实现不同cuda版本间的切换。

环境1:

环境2

2. 使用Conda安装CUDA

2.1查看自己显卡驱动支持的最高cuda版本 输入nvidia-smi指令来查看。

2.2 创建与激活虚拟环境

c 复制代码
# create conda env 
conda create --name vdisco python==3.10

# env activate
conda activate vdisco

2.3 确定要安装的CUDA版本

c 复制代码
conda search cudatoolkit --info

2.4 下载与安装CUDA

方法一: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

c 复制代码
wget [你刚刚复制的链接地址]

安装: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

c 复制代码
# 在特定虚拟环境下安装
conda install --use-local [本地cuda包所在的路径]

方法二:直接安装

在特定虚拟环境下安装

conda install cuda -c nvidia/label/cuda-11.3.1

卸载:

conda remove cuda

3.1 CUDNN

查看:

c 复制代码
# 在特定虚拟环境下
conda search cudnn --info

3.2 在特定虚拟环境下安装

conda install --use-local [本地cudnn包所在的路径]

3.3 版本验证

需要用torch 验证,而不是cudnn

c 复制代码
# 虚拟环境中,进入python环境
import torch

# 查看pytorch版本
print(torch.__version__)

# cuda是否可用
print(torch.cuda.is_available())

# cuda版本
print(torch.version.cuda)

# cudnn版本
print(torch.backends.cudnn.version())

参考:

c 复制代码
https://blog.csdn.net/tyyhmtyyhm/article/details/136863438
https://blog.csdn.net/qq_43705697/article/details/121618276
相关推荐
文火冰糖的硅基工坊8 分钟前
[人工智能-大模型-66]:模型层技术 - 两种编程范式:数学函数式编程与逻辑推理式编程,构建起截然不同的智能系统。
人工智能·神经网络·算法·1024程序员节
创思通信20 分钟前
树莓派的YOLO智能AI识别系统,识别ESP32还是STM32
人工智能·stm32·yolo
funfan051735 分钟前
【开发AI】Windows安装和使用Milvus的保姆级教程
人工智能·windows·milvus
Fuly102437 分钟前
使用docker安装向量数据库milvus
人工智能
darkfive1 小时前
构建大模型安全自动化测试框架:从手工POC到AI对抗AI的递归Fuzz实践
人工智能·安全·ai·自动化
一点一木1 小时前
火山方舟 Responses API 实战指南:从概念到「公司尽调 Dossier 生成器」
前端·人工智能·api
dingzd951 小时前
全平台内容排期与矩阵玩法
人工智能·线性代数·矩阵·web3·facebook·tiktok·instagram
hqyjzsb2 小时前
2025文职转行AI管理岗:衔接型认证成为关键路径
大数据·c语言·人工智能·信息可视化·媒体·caie
恒点虚拟仿真2 小时前
赋能成长,聚力前行——恒点启动核心产品知识与高品质方案系列专题培训
人工智能·虚拟仿真实验·恒点虚拟仿真·人工智能+x
weixin_456904272 小时前
Transformer架构发展历史
深度学习·架构·transformer