当前位置: 首页 > news >正文

Pytorch的CUDA版本安装使用教程

CUDA

什么是 CUDA

CUDA 是英伟达公司开发的显卡的人工智能算法驱动程序,原本我们训练模型是基于的CPU,但是我们很清楚,单靠CPU和内存来训练模型是远远达不到要求的,而且训练的速度会比较的慢,因此我们就需要我们的显卡来训练我们的模型。

限制条件

为了使用 CUDA,我们需要一个被 CUDA 支持的英伟达的显卡

官网查看那些显卡可以使用CUDA GPU Compute Capability | NVIDIA Developer

在这里插入图片描述

CUDA安装

CUDA驱动安装

但是大部分情况下,一般是不需要单独安装 cuda 计算驱动下载地址

在这里插入图片描述

选择你的系统,比如Windows。

在这里插入图片描述

Pytorch的CUDA版本

还有另外的下载方式,比如我们使用Pytorch来进行模型的训练,Pytorch官方也有对应的CUDA版本,直接下载CUDA版本的Pytorch。

Pytorch官网

在这里插入图片描述

在下载的时候,记得删除旧版本的Pytorch,这里我就不赘述了。

CUDA使用

CUDA是否存活

print(torch.cuda.is_available())

CUDA是否可用,创立一个设备对象

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print(device)

将模型丢入到CUDA中

# 1. 创建设备对象
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')# 2. 将模型放到设备上
model.to(device)# 3. 将数据放到设备上
inputs, labels = inputs.to(device), labels.to(device)
http://www.dtcms.com/a/361714.html

相关文章:

  • XGBoost学习笔记
  • docker 数据管理
  • 徐州服务器:机柜租用具体包含哪些内容?
  • 『Java』把Java项目打成Jar包,并引用项目外的Jar依赖
  • Spring Boot 常用注解有哪些?
  • 【MySQL】进阶技术详解
  • 机器学习-时序预测2
  • uniapp使用uview UI,自定义级联选择组件
  • 正则表达式与grep文本过滤详解
  • 盲盒抽谷机小程序开发:如何用3D技术重构沉浸式体验?
  • 【Proteus仿真】8*8LED点阵控制系列仿真——循环显示数字/按键控制显示图案
  • 虚拟机- + linux
  • UFUNCTION C++ 的再次理解
  • 凸集与优化
  • Python OpenCV图像处理与深度学习:Python OpenCV视频处理入门
  • C++实时视频抽帧抓图功能(附源码)
  • DeepSeek-V3.1 模型 API 新特性拆解:逆向 + 火山双渠道适配与推理模式智能切换指南
  • 基于FPGA的红外与可见光图像融合算法
  • Day42 Grad-CAM与Hook函数
  • 进程与线程 - 并发的基石
  • SQL执行过程及原理详解
  • [SWPUCTF 2018]SimplePHP
  • 实现自己的AI视频监控系统-第三章-信息的推送与共享2
  • 刘洋洋《一笔相思绘红妆》上线,献给当代痴心人的一封情书
  • 互斥量(Mutex,全称 Mutual Exclusion)用于保证同一时间只有一个线程(或进程)访问共享资源,从而避免并发操作导致的数据不一致问题
  • RAG-文本到SQL
  • SOME/IP-SD中IPv4端点选项与IPv4 SD端点选项
  • 突破超强回归模型,高斯过程回归!
  • 使用 BayesFlow 神经网络简化贝叶斯推断的案例分享(二)
  • 无重复字符的最长子串,leetCode热题100,C++实现