概要
平台所有镜像的系统版本为Ubuntu,多数为Ubuntu 18.04、20.04 ,少数Ubuntu 22.04
框架 | 框架版本 | Python版本 | Cuda版本 |
---|---|---|---|
PyTorch | 1.7.0 | 3.8 | 11.1 |
PyTorch | 1.8.1 | 3.8 | 11.1 |
PyTorch | 1.9.0 | 3.8 | 11.1 |
PyTorch | 1.10.0 | 3.8 | 11.3 |
PyTorch | 1.11.0 | 3.8 | 11.3 |
PyTorch | 2.0.0 | 3.8 | 11.8 |
Tensorflow | 2.5.0 | 3.8 | 11.2 |
Tensorflow | 2.9.0 | 3.8 | 11.2 |
Anaconda | 2022.10 | 3.8 | 10.2 |
Anaconda | 2022.10 | 3.8 | 11.1 |
Anaconda | 2022.10 | 3.8 | 11.2 |
Anaconda | 2022.10 | 3.8 | 11.3 |
Anaconda | 2022.10 | 3.8 | 11.4 |
Anaconda | 2022.10 | 3.8 | 11.3 |
Anaconda | 2022.10 | 3.8 | 11.6 |
Anaconda | 2022.10 | 3.8 | 11.8 |
Anaconda | 2022.10 | 3.8 | 11.8 |
Jax | 0.3.10 | 3.8 | 11.1 |
Paddlepaddle | 2.2.0 | 3.8 | 11.2 |
Paddlepaddle | 2.4.2 | 3.8 | 11.2 |
Jittor | 1.3.1 | 3.8 | 11.3 |
Gromacs | 2022.2 | 3.8 | 11.4 |
安装其他版本的Python:
安装其他版本的CUDA:
安装PyTorch:
安装TensorFlow:
推荐的使用姿势:
-
首先平台镜像中有没有您需要的Torch、TensorFlow等框架的相应版本,如果有首选平台内置的镜像
-
如果平台中没有合适的Torch、TensorFlow等框架版本,那么查询自己的框架需要什么CUDA版本,比如PyTorch=1.9.0需要CUDA=11.1,那么可以选择Miniconda/CUDA=11.1的平台镜像,然后在镜像内安装自己需要的框架,免去安装cudatoolkit的麻烦。(平台内置的CUDA均带.h头文件,如有二次编译代码的需求更方便)
-
如果以上条件都不满足,则可随便挑选一个Miniconda镜像,在开机后自行安装相关框架、CUDA、甚至其他版本的Python。