1.硬件方面首先是检查电脑(服务器)上是否安装了cudnn,cuda。 在安装了的前提下,检查cudnn,以及cuda的版本号:
查看CUDA版本:
cat /usr/local/cuda/version.txt
查看cudnn版本:
cat /usr/local/cuda/include/include/cudnn.h | grep CUDNN_MAJOR -A 2
2.查看torch不同版本发布日期: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/
3.查看torchvision不同版本发布日期: 【Pytorch|Linux下Anaconda中指定的环境中安装Pytorch-GPU】https://pypi.org/project/torchvision/0.2.1/#history
注意:下载的torchvision的版本的发布日期需要比已经下载好的torch的版本的发布日期早才可以匹配成功,否则会出现不match的情况。就比如我现在已经安装了torch-0.4.1(发布日期:2018.07),我下载了torchvision-0.3.0(发布日期:2019.05)就安装不上,下载torchvision-0.2.1(发布日期:2018.04)就成功安装了。
4.以pytorch0.4.1,cuda10,torchvison0.2.1为例,可以自由更换版本(利用前面检查到的对应的版本号来替换,cudatoolkit用的是cuda的版本号)
conda install pytorch=0.4.1 torchvision=0.2.1 cudatoolkit=10.0 -c pytorch
推荐阅读
- pytorch-gpu|Linux-Anaconda虚拟环境 安装配置GPU版本Pytorch 流程+遇到与解决问题小结
- Deep|《动手学深度学习》(二)-- 多层感知机
- 深度学习|Softmax 回归(PyTorch)
- pytorch|Pytorch梯度理解+自定义损失函数
- 深度学习|深度学习入门之线性回归(PyTorch)
- 深度学习|深度学习入门之自动求导(Pytorch)
- 深度学习|神经网络入门之矩阵计算(Pytorch)
- 深度学习|动手学深度学习----pytorch中数据操作的基本知识
- AI|PyTorch实现LeNet-5