cuda 8.0 安装pytorch
 
@cuda 8.0 安装pytorch
 
首先查找自己电脑驱动支持的版本。帮助–>系统信息–>组件
 
 
可以看到电脑支持版本为8.0的版本
 
 https://www.cnblogs.com/chenzhen0530/p/10939319.html  #看看这个博客，这个讲的挺详细的
 

 下载cuda的时候注意，上图中的两个都需要下载！！！ visual studio也需要下载，不然会出现安装不成功的问题
 都需要安装！
 
  python版本直接下载3.6吧，看到网上有人说后面安装其他的，可能会有python版本过高，导致不成功的问题！
 
下载对应版本的cudnn
 
https://developer.nvidia.com/rdp/cudnn-archive
 
 
然后将下载的cudnn压缩包解压，将其中的三个文件目录合并放到cuda安装目录下（注：此处合并时需要将这三个目录分别放到同名目录下，而不是合并）
 

 配置环境变量
 在安装好cuda和cudnn后，我们需要再path环境变量中加入以下目录：
 
 
 检查cuda有没有安装成功
 
 下载安装anaconda
 
   https://www.anaconda.com/distribution/#download-section
 
这个直接下载就行了，没啥好说的。
 
下面安装pytorch和torchvision都是在anaconda prompt 里面输的！
 
 
下载torch
 conda太慢了，即使使用镜像源，这儿说一下添加镜像源的方法
 
 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
 
conda config --show channels   #查看添加了哪些镜像
 
conda config --remove-key channels  #删除刚添加的无效镜像 （只有当自己不小心添加了无效镜像之后，才使用这条）
 
但即使用了镜像还是很慢，
 
conda install pytorch=0.4.1 cuda80 -c pytorch    #很容易不成功
 
所以打开了pytorch官网，
 
https://pytorch.org/       #pytorch官网`
```c
# cpu是CPU版本的，cu是GPU版本的

Via pip
Download the whl file with the desired version from the following html pages:

https://download.pytorch.org/whl/cu80/torch_stable.html # CUDA 8.0 build
# 下载好自己所需要版本的pytorch
#然后使用
 pip install [downloaded file]    #刚下载文件的位置！
 
#举个例子，真的是随便举的！
pip install E:\下载\插件\pytorch环境插件\numpy-1.19.4-cp38-cp38-win_amd64.whl
```c
 
下载torchvision
 
 pip3 install torchvision
 
检查
 
 import torch
 import torchvision
print(torch.cuda.is_available())   #检查cuda是否可用，正确是返回True
 
如果最后返回是False，## 标题那就自己检查吧！！！我真的试了好久！我真的也不知道为啥，最后莫名其妙就好了！！
 
 可以重装下pytorch版本看看，我看到网上有人说是显卡驱动需要更新，但我也没有更新！
 这真的是玄学问题！我最后就差更新显卡驱动了！！
 
参考博客：
 https://www.cnblogs.com/chenzhen0530/p/10939319.html

 
前言
 
在Github上有一些比较早的代码需要的环境可能是CUDA8.0，而对于一个新手来说，正常思维都会选择最现金的版本进行环境配置，在这里简单的介绍一下，如何在实用GPU进行运算的时候，CUDA8.0和CUDA9.0共存的问题。
 
1、安装前的检查
 
运行下面的指令，检查一下您的电脑当前CUDA版本
 
nvcc --version
 
我自己的电脑显示如下： (我的电脑里目前装的CUDA9.0)
 

 
2、下载合适的CUDA8.0版本
 
选择CUDA8.0版本的时候，一定要根据自己的电脑系统以及相应的环境选择，下载链接
 
在相应提供的下载链接的界面，按照如下所标注的内容进行：(我本人的是 Ubuntu服务器，16.04的，在这里我们选择runfile的安装形式)
 

 

 
Tips：由于我的是服务器端，所以如果有人也是在服务器端进行安装的话，记得要将刚才所下载的文件，先上传到服务器端。
 
3、进行相应的安装
 
在所下载相应的文件夹下，进行如下操作：
 
cd CUDA8 # 进入包含上述下载文件的文件夹
 
sudo chmod 777 cuda_8.0.61_375.26_linux.run ##给文件一定的权限
 
./cuda_8.0.61_375.26_linux.run ## 开始安装
 
运行安装指令之后，会出现Nvidia的介绍文档，例如下面所示：
 

 
重中之重的一点是，介绍文档需要你的一些操作，不然安装过程无法继续，有两个方法跳过介绍文档
 
一路Enter，直到出现一些需要你输入Y 或 N的选项
 
按Esc，退出介绍文档
 
当你跳过了介绍文档之后，接下来会出现一些需要你选择的选项：(每一步对应的输入都在下图中用红色的圆圈标注出来了，在这里解释一点：Driver一定要选择 n，因为你之前有装的支持CUDA9.0的驱动，所以就不用在装新的)
 

 
4、进行相应的环境配置
 
进入如下安装路径中，打开 bashrc 文件，然后定位到最低端 (操作过程见下图)
 

 
可以看到，在这里我的电脑端，导入的路径都是cuda9.0的:
 

 
在这里，我们要想实用刚才安装的CUDA8.0,我们只需要进行如下操作即可：
 
将相应的cuda-9.0换成cuda-8.0，如下图所示(保存之后退出)
 

 
然后在终端，执行下面指令进行source:
 
source ~/.bashrc
 

 
接下来就可以进行相应的验证：(如下图所示，既可以看到，CUDA8.0版本安装成功)
 

 
5.多个 cuda 版本之间进行切换
 
上面讲述的，只是你想用其中的一个的情况，如果你经常想要进行版本切换，建议使用下面的方法：
 
将~/.bashrc 下与cuda相关的路径都改为　/usr/local/cuda/　而不使用　/usr/local/cuda-8.0/ 或/usr/local/cuda-9.0/。
 
#在切换cuda版本时
 
rm -rf /usr/local/cuda#删除之前创建的软链接
 
sudo ln -s /usr/local/cuda-8.0 /usr/local/cuda
 
nvcc --version #查看当前 cuda 版本
 
nvcc: NVIDIA (R) Cuda compiler driver
 
Copyright (c) 2005-2016 NVIDIA Corporation
 
Built on Mon_Jan_23_12:24:11_CST_2017
 
Cuda compilation tools, release 8.0, V8.0.62
 
#cuda8.0 切换到 cuda9.0
 
rm -rf /usr/local/cuda
 
sudo ln -s /usr/local/cuda-9.0 /usr/local/cuda
 
nvcc --version
 
对于~/.bahsrc文件的修改方法和上面一致。
 
6、总结
 
上文中只是说了，如何从CUDA9.0转换成CUDA8.0，如果你想换回CUDA9.0，只需要进行相反的过程，将 bashrc 文件里面的cuda-8.0换成cuda-9.0,然后source一下，即可。
 
到此这篇关于Ubuntu16.04下CUDA8.0和CUDA9.0共存 的文章就介绍到这了,更多相关CUDA8.0和CUDA9.0共存 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

用记忆拥抱着过去，用期望拥抱着未来。
 


 
文章目录
 
前言
一、已有条件
二、CUDA安装
1.下载渠道
2.安装过程
3.添加环境变量
3.测试
  
总结

 
 
前言
 
过年期间新买了一台“机械革命 Z3 Air”，终于（快要）淘汰了用了五年的老电脑，但一想到海量的环境需要配置，迟迟没有开机的勇气。但，人总是要面对生活的，在博客上记录一下望不到尽头的配置心得，希望能在下次过年前基本配完。
 
 
一、已有条件
 
不负众望，网上关于1650Ti安装CUDA的博客少之又少，所以我先来打个头阵。
 
项目
值
显卡
GeForce GTX 1650 Ti
操作系统
Win10
驱动版本
457.73
在下面的官网地址查看1650Ti是否支持CUDA，再次不负众望，并没有写支持。
 
https://developer.nvidia.com/zh-cn/cuda-gpus
 
电脑都买了，我们已经没有退路可言。再次重整旗鼓，可以根据驱动版本查找相配的CUDA版本，但是我之前的工作全部基于CUDA 8.0，为了避免产生其他影响，所以选择硬上8.0！
 
二、CUDA安装
 
1.下载渠道
 
CUDA Toolkit 全家福：
 
https://developer.nvidia.com/cuda-toolkit-archive
 
CUDA Toolkit 8.0 GA2：
 
https://developer.nvidia.com/cuda-80-ga2-download-archive
 
 中间的10，8.1， 7 是你的 Windows 版本， 最下面的两个选项是本地下载（下载一个很大的安装包）和联网下载（小安装包，然后联网下载完成），这里可以根据喜好选择，然后就会发现都下不下来，很痛苦，因为不是一定下不下来，但很大概率失败。
 
给大家提供一个 CUDA Toolkit 8.0 - Feb 2017 win 10 网盘备份。
 
网盘链接：
 
https://pan.baidu.com/s/13hY-oXvxIx15jCu77Dwoeg 
提取码：avao 
 
如果链接挂了，请收藏后留言邮箱，我会尽可能快地邮箱回复你新链接。
 
2.安装过程
 
提取文件
 检查兼容性
 
 似乎不妙
 
 当然自定义
 
 当然自定义
 
 注意，不要选下方两项，可能造成驱动版本回退
 
 艰难前行
 
 正在安装
 
 安装完成
 
 
3.添加环境变量
 
我使用默认安装地址，添加环境变量如下
 
环境变量：
 
CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
CUDA_PATH_V8_0 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
 
重启生效
 
3.测试
 
在下图位置执行 bandwidthTest.exe 和 deviceQuery.exe 文件，如果显示 Result = PASS 则安装成功
 
 成功
 
 成功
 
 
 
总结
 
最大的障碍是从官网下载，在后续使用中再寻找其他问题。

cuda 8.0  vs2012平台 编译出现  cuda8.0  error C3861: “__syncthreads”:  找不到标识符，解决方案。
 
首先保证文件属性为“CUAD C/C++”,其次文件必须后缀为.cu，不可以是.cpp.