RTX4060+ubuntu22.04.3+cuda12.4.1+Miniconda3+pytorch2.6 安装验证

原创

tankaro

发布于 2025-02-23 14:43:31

8320

代码可运行

文章被收录于专栏：cuda GPU

运行总次数：0

代码可运行

硬件平台

NVIDIA GeForce RTX 4060 Laptop GPU

软件安装和验证

PyTorch是一个用于机器学习和深度学习的开源深度学习框架，由Facebook于2016年发布，其主要实现了自动微分功能，并引入动态计算图使模型建立更加灵活。Pytorch可分为前后端两个部分，前端是与用户直接交互的python API，后端是框架内部实现的部分，包括Autograd，它是一个自动微分引擎。

Pytorch基于已有的张量库Torch开发，在PyTorch的早期版本中，使用的是Torch7，后来随着PyTorch的发展，逐渐演变成了PyTorch所使用的张量库。

现如今，Pytorch已经成为开源机器学习系统中，在科研领域市场占有率最高的框架，其在AI顶会上的占比在2022年已达80％。

这里特别说明一下，pytorch的cudnn与C语言版本的cudnn版本没有关系，pytorch使用自己的cudnn库。（从实际操作中得出相关结论）

ubuntu22.04.3

版本选择、安装和验证方法和步骤参考如下帖子：

https://cloud.tencent.com/developer/article/2498755

cuda12.4.1

版本选择、安装和验证方法和步骤参考如下帖子：

https://cloud.tencent.com/developer/article/2498755

pytorch2.6

版本选择

找到pytorch官方网址，如下：

https://pytorch.org/get-started/locally/

根据下图，我们知道目前pytorch不在推荐conda安装方法，我们这里直接使用pip3方式安装。

安装

sudo apt install python3-pip

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple
pip config set install.trusted-host mirrors.aliyun.com


 pip3 install torch torchvision torchaudio

验证

版本信息验证

import torch

print("torch.__version__: ", torch.__version__)
print("torch.version.cuda: ", torch.version.cuda)
print("torch.cuda.is_available: ", torch.cuda.is_available())
print("torch.backends.cudnn.version: ", torch.backends.cudnn.version())

if torch.cuda.is_available():
    device_name = torch.cuda.get_device_name(0)
    device_count = torch.cuda.device_count()
    print('torch.cuda.get_device_name: ' + device_name)
    print('torch.cuda.device_count: ' + str(device_count))

    for i in range(device_count):
        props = torch.cuda.get_device_properties(i)
        print(f"\n设备 {i}:")
        print(f"  名称: {props.name}")
        print(f"  计算能力: {props.major}.{props.minor}")
        print(f"  总内存: {props.total_memory / (1024 ** 2):.2f} MB")
        print(f"  多处理器数量: {props.multi_processor_count}")
        print(f"  每个多处理器的最大线程数: {props.max_threads_per_multi_processor}")
        print(f"  是否集成在主板上: {props.is_integrated}")

    # 测试深度学习模型是否可以在GPU上训练
    device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
    print(f"\n当前设备: {device}")

    # 创建一个示例张量并移动到当前设备上
    tensor = torch.randn(3, 3).to(device)
    print(f"张量在{tensor.device}上")

    # 如果张量在GPU上,则可以在GPU上进行训练
    if tensor.device.type == "cuda":
        print("深度学习模型可以在GPU上进行训练")
    else:
        print("深度学习模型无法在GPU上进行训练,将使用CPU进行训练")
else:
    print("此机器上没有 CUDA 设备可用")

运行结果如下：

python3 verfy_version_cudnn.py
torch.__version__:  2.6.0+cu124
torch.version.cuda:  12.4
torch.cuda.is_available:  True
torch.backends.cudnn.version:  90100
torch.cuda.get_device_name: NVIDIA GeForce RTX 4060 Laptop GPU
torch.cuda.device_count: 1

设备 0:
  名称: NVIDIA GeForce RTX 4060 Laptop GPU
  计算能力: 8.9
  总内存: 7933.12 MB
  多处理器数量: 24
  每个多处理器的最大线程数: 1536
  是否集成在主板上: 0

当前设备: cuda:0
张量在cuda:0上
深度学习模型可以在GPU上进行训练

参考链接

https://blog.csdn.net/weixin_72965172/article/details/139647628

git clone https://github.com/pytorch/examples.git
cd pytorch/examples/mnist
python3 main.py
运行log跟C语言mnist类似，最后出现
Test set: Average loss: 0.0257, Accuracy: 9920/10000 (99%)

总结

这里没有使用Conda等方法，后面有需要在试验一下。

名称	说明
Conda	Conda是一个开源的包管理和环境管理系统，适用于Python和其他语言。它可以帮助我们安装和管理不同版本的软件包，以及创建、保存、加载和切换不同的虚拟环境。Conda的核心功能是包管理和环境管理，这使得它在Python开发中具有广泛的应用。
Anaconda	Anaconda则是基于Conda的一个Python发行版，它预装了Conda、某个版本的Python以及一些常用的科学计算和数据分析包。Anaconda提供了一个全面的科学计算环境，适合数据科学、机器学习等领域的用户。
Miniconda	Miniconda则是Anaconda的一个轻量级版本，它只包含最基本的Conda包和Python解释器，没有预装其他科学计算包。这使得Miniconda在需要最小化安装或自定义环境的场景下非常有用。。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

cuda

pytorch

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

cuda

pytorch

登录后参与评论

0 条评论

热度