pytorc gpu相关

Question

目前电脑上已经安装CUDA12.1版本，在这个基础上也已经下载了相应的GPU 版本的，但是目前有一个项目它需要的torch版本为1.13.1它相对应的CUDA版本比我电脑上的更低一点，遇到这种情况该怎么办呢，需要卸掉CUDA重下低版本吗

Answer 1

引自免费微信小程序：皆我百晓生

在处理不同版本的PyTorch和CUDA时，通常不需要完全卸载现有的CUDA版本。你可以通过Python的虚拟环境（venv）和PyTorch的构建工具conda来管理不同的环境，每个环境可以独立安装特定版本的PyTorch和CUDA。

以下是步骤：

1. 首先，确保你已经安装了conda。如果没有，可以通过Anaconda或者Miniconda安装。如果你是Windows用户，可以运行以下命令：

   conda create -n pytorch113 python=3.7
   

   这会创建一个名为pytorch113的新conda环境，并且在这个环境中安装Python 3.7。

   如果你是Linux或macOS用户，使用以下命令：

   conda create -n pytorch113 python=3.7
   source activate pytorch113
   

2. 安装所需的PyTorch和CUDA版本。这里我们使用的是1.13.1版本的PyTorch，它支持CUDA 10.2。首先，你需要找到对应的wheel文件。可以在PyTorch官网的releases页面查找。例如，对于Python 3.7和 CUDA 10.2，你可能需要类似这样的链接：https://download.pytorch.org/whl/cu102/torch-1.13.1%2Bcu102-cp37-cp37m-linux_x86_64.whl。

3. 使用pip安装下载的wheel文件。假设你已经在虚拟环境中，并且下载了名为torch-1.13.1+cu102-cp37-cp37m-linux_x86_64.whl的文件，可以执行以下命令：

   pip install torch-1.13.1+cu102-cp37-cp37m-linux_x86_64.whl
   

4. 同样地，安装对应版本的 torchvision：

   pip install torchvision==0.14.0+cu102 -f https://download.pytorch.org/whl/torch_stable.html
   

5. 现在，你应该可以在新环境中使用PyTorch 1.13.1和CUDA 10.2了。启动一个新的终端，激活你的conda环境：

   conda activate pytorch113
   

6. 在此环境中运行Python，测试是否安装成功：

   python -c "import torch; print(torch.__version__, torch.version.cuda)"
   

这将输出当前环境中的PyTorch和CUDA版本信息。如果一切正常，你就可以在这个环境中运行你的项目了。

注意，这样做不会影响你系统中其他项目的CUDA和PyTorch版本。当完成项目后，只需退出当前环境即可回到默认环境。

如果你的项目依赖于某些特定的conda包，记得在创建环境时添加这些包。例如，如果你的项目依赖于某个名为my_package的conda包，可以这样创建环境：

conda create -n pytorch113 python=3.7 my_package
source activate pytorch113

然后按照上述步骤安装PyTorch和torchvision。