pytorch装置 cuda版本总结 (pytorch用来干嘛的)
本文目录导航：
pytorch装置 cuda版本总结
原因，我在2080ti显卡上经过pip装置了pytorch1.9+cuda10.2版本，过后在2080ti上运转反常。
但是，当我将环境迁徙到3090显卡后，却遇到了疑问，不可反常运转，系统报错。
经过查阅资料和试验，我总结了一些关于pytorch和cuda版本装置的要点。
首先，要明白pytorch的cuda版本是指pytorch版本所能经常使用的最高cuda版本，这个版本可以高于主机本地的cuda版本。
在装置环节中，应参考pytorch官方的命令，并留意以下几点：主机本地cuda版本应与driver版本婚配，可以经过nvidia-smi检查。
关于经常使用conda装置的状况，须要留意conda装置的cudatoolkit版本号要与主机中的driver版本婚配，防止过高。
pytorch版本和pytorch的cuda版本之间不抵触，只需pytorch官方上存在对应的包，就可以反常装置。
我的试验标明，只需pytorch的cuda版本稍高于主机本地环境的cuda版本，就可以反常运转。
主机本地的cuda位置在/usr/local/cuda，并且有软链接。
关于nvidia-smi和nvcc -V显示的cuda版本不一样的要素，以及conda和pip装置的区别，这里不做详细解释。
为了验证能否反经常常使用，可以尝试以下代码：import _available()x = (2,3)()参考文献：我感觉写得十分好，包含“显卡，显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn究竟是什么？”以及“Pytorch 经常使用不同版本的 cuda”。
本机cuda版本可以高于装置pytorch时的cuda版本吗?
关于能否可以将本机的CUDA版本高于装置PyTorch时的CUDA版本，这个疑问的答案取决于您所指的CUDA版本的类型。
实践操作中，或者会遇到nvcc --version和nvidia-smi显示的不同版本，前者的版本代表了runtime API对应的版本，然后者则代表了driver API的版本。
通常状况下，须要确保runtime版本与装置的PyTorch版本相婚配。
这是由于，runtime版本间接影响到PyTorch的运转环境，确保兼容性是关键。
而driver版本则具备向下兼容个性，这象征着即使经常使用较高版本的driver，系统仍能反常运转基于较低版本的runtime的运行程序。
因此，实践上，可以将本机的CUDA版本设置得高于PyTorch装置时的版本，但需确保不会造成与runtime版本的不兼容疑问。
在实践操作中，通常倡导经常使用与PyTorch兼容的CUDA版本，以防止潜在的兼容性和性能疑问。
假设确实须要经常使用较高版本的CUDA，倡导先确认该版天性否与PyTorch兼容，并启动相应的测试和验证。
Linux下PyTorch、CUDA Toolkit 及显卡驱动版本对应相关（附详细装置步骤）
在Linux环境下，了解PyTorch、CUDA Toolkit以及显卡驱动之间的对应相关，关于完成装置和经常使用PyTorch至关关键。
本文将为您详细解析这些组件之间的版本兼容性，并提供详细的装置步骤。
请依照以下内容启动操作以确保装置环节顺利无阻。
首先，须要明白CUDA驱动与CUDA Toolkit之间的对应版本相关。
最新消息可从官方文档失掉。
关键的是，驱动程序的版本选择了可装置的CUDA Toolkit的最高版本。
确保您的驱动版本合乎装置要求，以防止兼容性疑问。
接上去，关注CUDA Toolkit与PyTorch版本之间的对应相关。
查阅官方文档以失掉详细的版本兼容消息。
有时，只管显卡驱动降级至较新版本，CUDA Toolkit及PyTorch也或者降级至新版本，但实践运行中，或者存在不可经常使用的对应装置包，这或者与显卡的年龄无关。
装置指点倡导在装置时同时装置CUDA Toolkit与PyTorch。
以下是装置步骤：步骤一：经常使用`nvidia-smi`命令查问显卡驱动版本。
在输入消息中，找到`Driver Version`局部，以确定以后驱动版本，例如384.81。
步骤二：提供三种选用方法：方法（1）：指定CUDA Toolkit版本（介绍）依据驱动版本查问可装置的CUDA Toolkit最高版本。
以384.81为例，对应最高版本为9.0。
口头`conda install pytorch cudatoolkit=9.0 -c pytorch`命令以指定CUDA Toolkit版本，同时conda会智能婚配适合的PyTorch版本。
方法（2）：指定PyTorch版本查问可装置的CUDA Toolkit版本，再依据查问结果找到对应PyTorch版本。
以384.81和9.0为例，对应PyTorch版本为1.1.0。
经常使用`conda install pytorch=1.1.0 -c pytorch`命令指定PyTorch版本，同时conda会智能婚配适合的CUDA Toolkit版本。
方法（3）：同时指定CUDA Toolkit版本与PyTorch依据驱动版本查问可装置的CUDA Toolkit版本，再依据查问结果找到对应PyTorch版本。
经常使用`conda install pytorch=1.1.0 cudatoolkit=9.0 -c pytorch`命令同时指定CUDA Toolkit版本与PyTorch版本。
额外揭示：- 当须要装置torchaudio与torchvision时，将它们放在pytorch之后，例如`conda install pytorch torchaudio torchvision cudatoolkit=9.0 -c pytorch`。
- 经常使用`-c pytorch`参数示意从官方源下载。
- 若要经常使用清华镜像源，可参考相关教程。
性能清华镜像源有助于提上下载速度，操作步骤请参考《Linux下conda经常使用清华镜像源极速装置PyTorch [CSDN]》。
- 留意PyTorch版本降级与卸载时的命令差异，详细消息请查阅PyTorch官方文档。
最后，验证装置能否完成：卸载以后版本PyTorch，确保新装置的环境已正确性能。
若宿愿了解更多关于Linux环境下conda的经常使用技巧，可参考《Linux下conda经常使用清华镜像源极速装置PyTorch [CSDN]》和《conda装置环境相关 [CSDN]》。
关于特定版本的对应相关及装置命令，请查阅《PyTorch旧版本和CUDA Tookit版本对应状况（可复制对应装置命令）》。
此外，PyTorch官方提供最新版下载链接。
如有其余不懂，官方文档和社区论坛是失掉协助的绝佳资源。
phper