深度学习用pytorch 使用gpu 创建anaconda环境

文章目录

创建环境

bash 复制代码
conda create -n 环境名称 python=3.8

激活新建的环境

bash 复制代码
conda activate 环境名称

安装需要的平时的库(不包括pytorch)

bash 复制代码
pip install numpy

自己根据需要安装

查看电脑的显卡驱动版本+安装cuda

在cmd命令窗口中输入nvidia-smi,查看CUDA Version

根据这个里面安装好CUDA 全网最详细的安装pytorch GPU方法,一次安装成功!!包括安装失败后的处理方法!

,终端输入nvcc -V 查看是否安装好。

安装pytorch

pytorch网站 根据自己电脑情况,选择pytorch。

复制pip语句到终端,进行安装。

测试pytorch是否用gpu

python 复制代码
import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())  #输出为True,则安装无误

终端输出为True,就安装好了。

相关推荐
龙俊俊5 分钟前
服务器模型部署与加载
服务器·人工智能·深度学习
yoso12 分钟前
告别频繁切窗口!用命令行玩转企业微信-cli的七大核心功能
人工智能
用户69371750013841 小时前
Google 推 AppFunctions:手机上的 AI 终于能自己干活了
android·前端·人工智能
章鱼丸-1 小时前
DAY41简单 CNN
人工智能·深度学习·cnn
AI视觉网奇1 小时前
CosyVoice 加速实践
人工智能·深度学习
用户69371750013841 小时前
AI让编码变简单,真正拉开差距的是UI设计和产品思考
android·前端·人工智能
badhope1 小时前
概率论如何让机器学习不再玄学
人工智能·深度学习·机器学习·数据挖掘·github
wx_xkq12881 小时前
营销智脑V3重磅迭代:从工具到平台,AI营销进入“全能时代“
人工智能
阿钱真强道1 小时前
02 从 MLP 到 LeNet:数据、标签和任务:机器学习到底在解决什么问题?
人工智能·深度学习·机器学习·cnn·分类算法·lenet