Pytorch环境配置——cuda、、cudnn、torch、torchvision对应版本（最全）及安装方法
- 一、查询可支持的最高cuda版本
- 二、查看cuda、cudnn、pytorch、torchvision对应版本
- 三、安装
- 3.1 Windows上安装
- 3.2 Ubuntu上安装
- 四、小贴士
一、查询可支持的最高cuda版本
在安装显卡驱动的前提下（显卡驱动安装方法），输入：
nvidia-smi
可以看到该电脑可以支持的cuda版本最高是11.4，驱动是向下兼容的，所以cuda版本小于等于11.4的都可以安装上。
（如果想安装的cuda版本不在可支持的cuda版本内，则可以考虑升级电脑的内核，从而实现对cuda高版本的安装。具体cuda版本及需要的内核详见：CUDA Toolkit and Corresponding Driver Versions ）
二、查看cuda、cudnn、pytorch、torchvision对应版本
表1 cuda与cudnn对应的版本
cuda | cudnn |
11.5 | 8.3.3、8.3.2、8.3.1、8.3.0、8.2.1、8.2.0 |
11.4 | 8.2.4、8.2.2、8.2.1、8.2.0 |
11.3 | 8.2.1、8.2.0 |
11.2 | 8.2.1、8.2.0、8.1.1、8.1.0 |
11.1 | 8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.5、8.0.4 |
11.0 | 8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.4、8.0.3、8.0.2、8.0.1 |
10.2 | 8.3.3、8.3.2、8.3.1、8.3.0、8.2.4、8.2.2、8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.4、8.0.3、8.0.2、8.0.1、7.6.5 |
10.1 | 8.0.5、8.0.4、8.0.3、8.0.2、7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0 |
10.0 | 7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.3.0 |
9.2 | 7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.2.1、7.1.4、7.1.2 |
9.1 | 7.1.3、7.1.2、7.0.5 |
9.0 | 7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.3.0、7.1.4、7.1.3、7.1.2、7.0.5、7.0.4 |
8.0 | 7.1.4、7.1.3、7.0.5、6.0、5.1、5 |
7.5 | 5.1、5 |
7.0 | 4、3 |
6.5 | 2、1 |
cudnn是用于深度神经网络的GPU加速库，cuda是平台，两者都需要安装才可以调用GPU加速。
cuda与cudnn的关系详解最新 【NVIDIA官网】cuda与cudnn对应的版本
CUDAToolkit是NVIDIA的CUDA工具包,包含了CUDA的全部工具。CUDAToolkit与cuda版本相同。
表2 cuda、CUDAToolkit与pytorch对应的版本
cuda | CUDAToolkit | pytorch |
11.3 | 11.3 | 1.10.1、1.10.0、1.9.1、1.9.0、1.8.1 |
11.1 | 11.1 | 1.10.0、1.9.1、1.9.0、1.8.1、1.8.0 |
11.0 | 11.0 | 1.7.1、1.7.0 |
10.2 | 10.2 | 1.10.1、1.10.0、1.9.1、1.9.0、1.8.1、1.8.0、1.7.1、1.7.0、1.6.0、1.5.1、1.5.0 |
10.1 | 10.1 | 1.7.1、1.7.0、1.6.0、1.5.1、1.5.0、1.4.0 |
10.0 | 10.0 | 1.2.0、1.1.0、1.0.1、1.0.0 |
9.2 | 9.2 | 1.7.1、1.7.0、1.6.0、1.5.1、1.5.0、1.4.0、1.2.0 |
9.0 | 9.0 | 1.1.0、1.0.1、1.0.0 |
8.0 | 8.0 | 1.0.0 |
最新 【pytorch官网】CUDAToolkit与pytorch对应的版本
表3 pytorch与torchvision对应的版本
pytorch | torchvision |
1.10.1 | 0.11.2 |
1.10.0 | 0.11.0 |
1.9.1 | 0.10.1 |
1.9.0 | 0.10.0 |
1.8.1 | 0.9.1 |
1.8.0 | 0.9.0 |
1.7.1 | 0.8.2 |
1.7.0 | 0.8.0 |
1.6.0 | 0.7.0 |
1.5.1 | 0.6.1 |
1.5.0 | 0.6.0 |
1.4.0 | 0.5.0 |
1.2.0 | 0.4.0 |
1.1.0 | 0.3.0 |
1.0.1 | 0.2.2 |
1.0.0 | 0.2.1 |
最新 【pytorch官网】pytorch与torchvision对应的版本
三、安装
3.1 Windows上安装
- Windows——安装cuda10.2和cudnn7.6.5（两者搭配稳定可靠）
- PyTorch——基于Windows环境下的安装教程
3.2 Ubuntu上安装
- Ubuntu 18.04——Anaconda + CUDA + Cudnn + Pytorch + TensorRT 深度学习环境配置
四、小贴士
- cuda、cudnn需要去官网下载后按照教程安装，这样安装成功几率大，直接命令行安装失败风险很大。
- 安装指定版本的pytorch、torchvision、cudatoolkit，在输入安装指令的那一步，直接加上版本号即可。举例：
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c pytorch
