更新于2021年3月6日，昨天PyTorch官方已經(jīng)發(fā)布了1.8版本，正式支持CUDA11。

簡介

最近要在3090卡的服務(wù)器上進行PyTorch實驗，所以踩了不少坑進行環(huán)境配置，本文就簡單介紹一下我成功配置的流程，由于實驗中只使用了PyTorch，所以其他框架的我這里沒有測試，也不多做說明，此外本文設(shè)計的內(nèi)容都是在Ubuntu系統(tǒng)下進行的。

顯卡驅(qū)動

顯卡驅(qū)動直接到官方下載runfile文件進行安裝即可，這方面有不少教程，我這里不多贅述，有興趣的可以參考我的Ubuntu教程。

成功安裝驅(qū)動之后，命令行輸入nvidia-smi應(yīng)該會出現(xiàn)所有本機的顯卡信息，如6卡信息如下圖，這代表顯卡驅(qū)動安裝成功，右上角的CUDA Version字樣則表示該驅(qū)動支持最高CUDA版本為11.1，這里尤其需要注意的是，30系列顯卡安裝的CUDA必須為11，至于具體為11.0還是11.1，官方建議是11.1，因為11.0會出現(xiàn)很多異常。

PyTorch環(huán)境

系統(tǒng)CUDA我這邊預(yù)裝的是11.1（下圖命令查看），具體安裝也只要到官網(wǎng)下載runfile文件就可以了，我這邊就略過，因為這個系統(tǒng)CUDA可裝可不裝，也可以選擇虛擬環(huán)境里通過cudatoolkit獲得的cuda。

首先，創(chuàng)建一個環(huán)境，命令如下。

conda create -n torch python=3.8 -y conda activate torch

接著，就是安裝PyTorch了，需要注意的是，目前PyTorch發(fā)布了1.8版本，已經(jīng)穩(wěn)定支持CUDA11.1，因此下面我們使用目前PyTorch最高支持的CUDA11.1來配置。這里使用的是新推出的LTS版本，由于源在國外，因此可能需要比較長時間的耐心等待。

conda install pytorch torchvision cudatoolkit=11.1 -c pytorch-lts -c nvidia

當(dāng)然，如果你的系統(tǒng)已經(jīng)安裝了CUDA11.1，那么可以去掉其中的cudatoolkit包的安裝。

如果你的系統(tǒng)正確安裝了CUDA11.1和對應(yīng)的CUDNN那么，此時就可以正常運行了。如果沒有安裝CUDNN，需要自己到官網(wǎng)下載對應(yīng)版本，比如這里對應(yīng)于cuda11.1，我下載的是cudnn8.0.5，cudnn壓縮包解壓后得到的cuda文件夾內(nèi)的lib64目錄下的所有文件拷貝到當(dāng)前cuda環(huán)境的lib文件夾下，以我的test環(huán)境為例，命令如下。

sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

最后，測試是否成功配置環(huán)境，命令為python -c "import torch;print(torch.__version__);print(torch.cuda.is_available())"，結(jié)果如下，可以發(fā)現(xiàn)，測試是通過的，實際上我也去跑了實際的程序，速度只能說正常，顯存占用相比于我同樣配置在2080Ti上跑不知道為什么高了很多，可能因為太新的緣故，優(yōu)化沒做好吧，等待穩(wěn)定版的更新。

總結(jié)

本文介紹目前（2022.3月）最新的在3090顯卡機器上高效配置PyTorch環(huán)境的方式（TensorFlow的話可以搜索其他教程），如果我的文章對你有所幫助，歡迎一鍵三連。

總結(jié)

以上是生活随笔為你收集整理的RTX3090深度学习环境配置（PyTorch1.8）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。