宁波网站建设大概要多少钱,上海做推,网站正在维护中啥意思,企业网站建设广州目录 1. 配置cuda环境
1.1. 安装cuda和cudnn
1.1.1. 显卡驱动配置
1.1.2. 下载安装cuda
1.1.3. 下载cudnn#xff0c;将解压后文件复制到cuda目录下
1.2. 验证是否安装成功
2. 配置conda环境
2.1. 安装anaconda
2.2. conda换源
2.3. 创建conda环境
2.4. pip换源
3.…目录 1. 配置cuda环境
1.1. 安装cuda和cudnn
1.1.1. 显卡驱动配置
1.1.2. 下载安装cuda
1.1.3. 下载cudnn将解压后文件复制到cuda目录下
1.2. 验证是否安装成功
2. 配置conda环境
2.1. 安装anaconda
2.2. conda换源
2.3. 创建conda环境
2.4. pip换源
3. 配置深度学习框架
3.1. PyTorch
3.2. Tensorflow 1. 配置cuda环境
1.1. 安装cuda和cudnn
1.1.1. 显卡驱动配置
保证电脑有独显且为N卡只有nvidia显卡才能使用cudacuda版本与显卡驱动版本有关官网 cuda版本与显卡驱动版本对照表 在命令行输入以下命令可以查看当前显卡驱动版本和最高支持的cuda版本
nvidia-smi 输出结果 一般将显卡驱动更新到最新这样将支持所有的cuda版本。更新显卡驱动可以安装Nvidia官方的GeForce Experience要注册账号并登录可以使用邮箱但要通过邮件验证。
1.1.2. 下载安装cuda
cuda版本的选择还与深度学习框架的版本有关cuda版本不能过高否则深度学习框架可能不支持不过cuda中版本号向下兼容比如cuda11.2可以当cuda11.1使用。 Tensorflow官网 cuda、python和tensorflow-gpu版本对照表 PyTorch官网 torch版本与cuda、python版本没有严格的对应关系只有大致的限制python版本的选择一般为security的最低版本Python维护周期查询cuda版本一般不选最高选tensorflow最新支持的版本这样可以同时使用不过同一电脑可以安装多个不同版本的cuda使用时只要修改环境变量中的CUDA_PATH为需要选择的cuda版本所在路径。注意选择GPU版本torch版本名中有“cuXXX”XXX表示cuda版本示例如下 带cu的表示GPU版本 确定下载哪个cuda版本后去官网下载选择小版本号最大的比如11.2.x选择11.2.2win11选择win10运行下载好的安装程序选择典型安装一路同意即可中途遇到要安装Visual Studio可以不用管因为这是nvidia推荐用它来开发C和cuda程序。
1.1.3. 下载cudnn将解压后文件复制到cuda目录下
下载cudnn需要登陆nvidia账号也要邮件验证下载链接根据cuda版本选择下载解压后将cudnn-windows-x86_64-xxxx_cudaxx-archive目录下的所有目录和文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXXX目录下。
1.2. 验证是否安装成功
可以通过以下命令查看当前正在使用的cuda版本
nvcc -V 输出结果 2. 配置conda环境
2.1. 安装anaconda
可以去官网如果速度太慢可以选择清华镜像选择最新版本运行安装程序选择默认编辑器一路下一步即可。
2.2. conda换源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes2.3. 创建conda环境
在开始菜单找到Anaconda Prompt点击运行输入以下命令创建conda环境python版本根据之前的版本对照选择一般 为security的最低版本Python维护周期查询
conda create -n conda环境名 python3.x -y
激活conda环境
conda activate conda环境名
2.4. pip换源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
3. 配置深度学习框架
3.1. PyTorch
根据之前的选择直接在Anaconda Prompt相应conda虚拟环境下执行类似以下命令
pip install torchx.x.xcuXXX -f https://download.pytorch.org/whl/cuXXX
测试pytorch是否可以使用cuda调用GPU 运行python按序执行以下命令 import torchtorch.cuda.is_available()
Truetorch.cuda.get_device_name(0)
NVIDIA GeForce GTX 1060
可能出现报错说numpy没装执行以下命令可以解决
pip install torchx.x.xcuXXX numpy
3.2. Tensorflow
据之前的选择直接在Anaconda Prompt相应conda虚拟环境下执行类似以下命令
pip install tensorflow-gpu2.x.x
测试tensorflow是否可以使用cuda调用GPU 运行python按序执行以下命令 import tensorflow as tftf.config.list_physical_devices(GPU)
[PhysicalDevice(name/physical_device:GPU:0, device_typeGPU)]tf.test.gpu_device_name()
2023-11-28 21:55:22.331757: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2023-11-28 21:55:23.819451: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1510] Created device /device:GPU:0 with 4620 MB memory: - device: 0, name: NVIDIA GeForce GTX 1060, pci bus id: 0000:01:00.0, compute capability: 6.1
/device:GPU:0
