Index 目录索引
问题剖析
使用 PyTorch
在网络模型训练过程中,如果更新了 PyTorch
的版本(例如由 1.7.0
更新为 1.8.1
),则可能会出现无法使用 GPU
的情况,下面是查看 cuda
是否可用的代码命令:
import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.version.cuda)
可得到下面的结果:
1.8.1+cpu
False
None
由此可知, PyTorch
更新至 1.8.1
后, cuda
未能正常调用,而奇怪的是,在 1.7.0
旧版本 PyTorch
的环境中,就可以正常调用,显示如下:
1.7.0+cu110
True
11.0
说明显卡硬件并未出现异常,推测有可能是更新后版本不匹配的原因。
经过查阅资料,得知出现这种情况的原因是 当前的 PyTorch
版本和 cuda
版本不匹配1 ,所以无法使用显卡。
解决方法
根据这个网址,可以查看 PyTorch
不同版本所对应的 cuda
。
conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=11.3 -c pytorch -c conda-forge
更新过程如下:
(wl_pytorch1_8) D:\***-main>conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=11.3 -c pytorch -c conda-forge
Collecting package metadata (current_repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.
Solving environment: failed with repodata from current_repodata.json, will retry with next repodata source.
Collecting package metadata (repodata.json): done
Solving environment: done
...
...
(以上未测试)
首先使用 Anaconda
新创建一个 env环境,在这个新环境中进行 PyTorch
及其他库的更新。
接着,参考之前的这篇文章,下载文件 torch-1.8.1+cu102-cp37-cp37m-win_amd64.whl
,离线进行 PyTorch
和 cuda
的安装( 该方法可直接通过代码命令安装 cuda
),将 cuda
版本由原来的 11.0
降至 10.2
。
安装完成后,输出如下:
1.8.1+cu102
True
10.2
接下来,便可接着在新的环境中调用显卡进行深度学习模型的训练。
写到这里,本文就要接近尾声了,如果我的这篇文章帮助到了你,那我也会感到很高兴, 一个人能走多远,在于与谁同行。
参考
Original: https://blog.csdn.net/weixin_43051346/article/details/122984999
Author: 哈哈哈哈哈嗝哈哈哈
Title: PyTorch版本更新后无法调用GPU显卡的原因及解决办法
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/649413/
转载文章受原作者版权保护。转载请注明原作者出处!