[PYTHON] Utilisez RTX 3090 avec PyTorch

~~ * Information au 24 octobre 2020. ~~ ** PyTorch 1.7 est sorti le 28/10 et est compatible avec CUDA 11 et peut être utilisé avec RTX3090. ** **

Par conséquent, si vous effectuez simplement une mise à niveau vers PyTorch 1.7, vous pouvez l'utiliser avec RTX3080 / 3090.

Ce qui suit est de vieilles informations.

Tâche

Actuellement, PyTorch 1.6 ne prend pas en charge RTX 3080/3090 et génère l'erreur suivante.

GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.

Solutions

La solution de contournement consiste à installer la version de développement de PyTorch 1.8.

pip install --pre torch torchvision -f https://download.pytorch.org/whl/nightly/cu110/torch_nightly.html

Bien qu'il s'agisse de cu110, il n'y a pas de problème car il fonctionne même si vous utilisez cuda11.1.

information sur la version

NVIDIA-SMI 455.23.05 Driver Version: 455.23.05 CUDA Version: 11.1/Ubuntu 20.04

résultat

J'avais l'habitude d'utiliser 2070 SUPER, mais la vitesse d'apprentissage est environ 3 fois plus rapide. De plus, jax fonctionnait normalement.

Ref.

Recommended Posts

Utilisez RTX 3090 avec PyTorch
Jouez avec PyTorch
Validation croisée avec PyTorch
À partir de PyTorch
Utilisez mecab-ipadic-neologd avec igo-python
Utiliser ansible avec cygwin
Utiliser pipdeptree avec virtualenv
[Python] Utiliser JSON avec Python
Utilisez Mock avec pytest
Utiliser l'indicateur avec pd.merge
Utiliser Gentelella avec Django
Utiliser mecab avec Python 3
Utiliser tensorboard avec Chainer
Utiliser DynamoDB avec Python
Utiliser pip avec MSYS2
Utilisez Python 3.8 avec Anaconda
Utiliser les droits d'auteur avec Spacemacs
Histoire d'essayer d'utiliser Tensorboard avec Pytorch
Utiliser python avec docker
Utiliser TypeScript avec django-compresseur
Installer la diffusion de la torche avec PyTorch 1.7
Utilisez LESS avec Django
Utiliser MySQL avec Django
Utiliser Enum avec SQLAlchemy
Utiliser tensorboard avec NNabla
Utiliser le GPS avec Edison
Utilisez nim avec Jupyter
Utiliser l'API Trello avec python
Utiliser la mémoire partagée avec une bibliothèque partagée
Utiliser des balises personnalisées avec PyYAML
Utiliser des graphiques directionnels avec networkx
Utiliser TensorFlow avec Intellij IDEA
Utiliser l'API Twitter avec Python
Utiliser pip avec Jupyter Notebook
Essayez Auto Encoder avec Pytorch
Utiliser DATE_FORMAT avec le filtre SQLAlchemy
Utiliser TUN / TAP avec Python
Utilisez sqlite3 avec NAO (Pepper)
Essayez d'implémenter XOR avec PyTorch
Utilisez les load_extensions de sqlite avec Pyramid
Utiliser les polices Windows 10 avec WSL
Utilisation du chainer avec Jetson TK1
Utiliser SSL avec Celery + Redis
Implémenter le GPU PyTorch + avec Docker
Utiliser Cython avec Jupyter Notebook
Prédiction de la moyenne Nikkei avec Pytorch 2
Démineur d'apprentissage automatique avec PyTorch
PyTorch avec AWS Lambda [importation Lambda]
Utilisez Maxout + CNN avec Pylearn2
Utilisez WDC-433SU2M2 avec Manjaro Linux
Utilisez OpenBLAS avec numpy, scipy
Prédiction de la moyenne Nikkei avec Pytorch
Effectuer un fractionnement stratifié avec PyTorch
Utiliser l'API subsonique avec python3
J'ai créé Word2Vec avec Pytorch
Utilisation de Sonicwall NetExtener avec Systemd
Utilisez prefetch_related commodément avec Django
Utiliser l'interpréteur AWS avec Pycharm
Utilisation de Bokeh avec IPython Notebook
Utiliser une plage de type Python avec Rust