淺談pytorch、cuda、python的版本對(duì)齊問(wèn)題
在使用深度學(xué)習(xí)模型訓(xùn)練的過(guò)程中,工具的準(zhǔn)備也算是一個(gè)良好的開(kāi)端吧。熟話說(shuō)完事開(kāi)頭難,磨刀不誤砍柴工,先把前期的問(wèn)題搞通了,能為后期節(jié)省不少精力。
以pytorch工具為例:
pytorch版本為1.0.1,自帶python版本為3.6.2
服務(wù)器上GPU的CUDA_VERSION=9000
注意:由于GPU上的CUDA_VERSION為9000,所以至少要安裝cuda版本>=9.0,雖然cuda=7.0~8.0也能跑,但是一開(kāi)始可能會(huì)遇到各種各樣的問(wèn)題,本人cuda版本為10.0,安裝cuda的命令為:
conda install cudatoolkit=10.0
注:GPU顯卡驅(qū)動(dòng)一般沒(méi)什么問(wèn)題,所以盡量不要?jiǎng)觕udnn的版本。
以上這篇淺談pytorch、cuda、python的版本對(duì)齊問(wèn)題就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
詳解python中DRF框架的數(shù)據(jù)校驗(yàn)方式
這篇文章主要為大家詳細(xì)介紹了python中DRF框架的數(shù)據(jù)校驗(yàn)方式,文中的示例代碼講解詳細(xì),具有一定的學(xué)習(xí)價(jià)值,感興趣的小伙伴可以跟隨小編一起了解一下2023-10-10Python+Jmeter實(shí)現(xiàn)自動(dòng)化性能壓測(cè)的流程步驟
性能測(cè)試是一個(gè)全棧工程師/架構(gòu)師必會(huì)的技能之一,只有學(xué)會(huì)性能測(cè)試,才能根據(jù)得到的測(cè)試報(bào)告進(jìn)行分析,找到系統(tǒng)性能的瓶頸所在,而這也是優(yōu)化架構(gòu)設(shè)計(jì)中重要的依據(jù),本文給大家介紹了Python+Jmeter實(shí)現(xiàn)自動(dòng)化性能壓測(cè)的流程步驟,需要的朋友可以參考下2024-05-05安裝并免費(fèi)使用Pycharm專(zhuān)業(yè)版(學(xué)生/教師)
這篇文章主要介紹了安裝并免費(fèi)使用Pycharm專(zhuān)業(yè)版(學(xué)生/教師),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-09-09Python基于鏈接表實(shí)現(xiàn)無(wú)向圖最短路徑搜索
鏈接表的存儲(chǔ)相比較鄰接炬陣,使用起來(lái)更方便,對(duì)于空間的使用是剛好夠用原則,不會(huì)產(chǎn)生太多空間浪費(fèi)。所以本文將以鏈接表方式實(shí)現(xiàn)無(wú)向圖最短路徑搜索,需要的可以參考一下2022-04-04Pandas DataFrame操作數(shù)據(jù)增刪查改
我們?cè)谟?nbsp;pandas 處理數(shù)據(jù)的時(shí)候,經(jīng)常會(huì)遇到用其中一列數(shù)據(jù)替換另一列數(shù)據(jù)的場(chǎng)景。這一類(lèi)的需求估計(jì)很多人都遇到,當(dāng)然還有其它更復(fù)雜的。解決這類(lèi)需求的辦法有很多,這里我們來(lái)推薦幾個(gè),這篇文章主要介紹了Pandas DataFrame操作數(shù)據(jù)的增刪查改2022-10-10基于Python中isfile函數(shù)和isdir函數(shù)使用詳解
今天小編就為大家分享一篇基于Python中isfile函數(shù)和isdir函數(shù)使用詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-11-11