conda虚拟环境中安装cuda和cudnn，再也不用头疼版本号的问题了

深度学习用显卡训练的时候&＃xff0c;需要安装与显卡对应的cuda和cudnn&＃xff0c;这样才可以用显卡进行训练。

但是github上不同的项目所支持的pytorch版本是不一样的&＃xff0c;而pytorch版本和cuda版本之间又是互相依赖的&＃xff0c;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&＃xff0c;以此来实现不同cuda版本间的切换。

查看conda支持的cuda版本

注意&＃xff1a;

conda search cudatoolkit --info


执行上述命令后&＃xff0c;会显示出源内所有的cuda版本&＃xff0c;以及下载地址&＃xff0c;如图所示

下载cuda

找到自己想要的cuda版本后&＃xff0c;先把cuda下载到本地。首先复制url字段里的下载链接&＃xff0c;然后用命令cd到想要下载的目录&＃xff0c;执行如下代码下载

wget 你刚刚复制的链接地址


安装cuda

执行如下命令进行安装&＃xff0c;因为是通过本地安装的&＃xff0c;所以需要写明本地包的路径

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


查看cuda对应的cudnn版本

使用如下命令查看conda支持的cudnn版本&＃xff0c;注意cudnn的版本一定要和刚刚下载的cuda版本对应

conda search cudnn --info


执行后的结果如图所示&＃xff0c;图中标出了cudnn所对应的cuda版本号位置

下载cudnn版本

还是复制你想要版本的cudnn的下载地址&＃xff0c;使用wget 链接地址进行下载

安装cudnn

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

测试安装是否成功

在虚拟环境中安装完cuda和cudnn想要测试是否安装成功&＃xff0c;不能使用nvcc -V命令测试&＃xff0c;需要在虚拟环境中安装pytorch包进行测试

安装pytorch

首先安装与cuda相匹配的pytorch和torchvision包&＃xff0c;可以去pytorch官网查询。

因为我的cuda版本是11.0&＃xff0c;支持的pytorch版本为1.7.1&＃xff0c;所以我安装的是这俩个&＃xff0c;你可以根据你的需要安装。

conda install pytorch&＃061;&＃061;1.7.1 torchvision&＃061;&＃061;0.8.2 torchaudio&＃061;&＃061;0.7.2 cudatoolkit&＃061;11.0


测试cuda版本

装好pytorch后&＃xff0c;命令行输入python&＃xff0c;进入python的命令行&＃xff0c;导入torch包
查询cuda版本

print(torch.version.cuda)


查询cudnn版本

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


如图所示

可以看到版本号是我们想要的&＃xff0c;成功&＃xff01;&＃xff01;&＃xff01;

conda虚拟环境中安装cuda和cudnn
python查看cuda版本号