当前位置:   article > 正文

深度学习【PyTorch和TensorFlow】使用GPU环境配置_tensorflow深度神经网络用gpu跑

tensorflow深度神经网络用gpu跑


前言:电脑有GPU,但使用CUDA ,报错:AssertionError: PyTorch or TensorFlow not compiled with CUDA enabled的解决办法

一、 Anaconda

1、简介

Anaconda是一个用于科学计算的Python发行版,支持 Linux, Mac, Windows系统,提供了包管理与环境管理的功能,可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理,并且已经包含了Python和相关的配套工具。

2、安装

两种方法:
2.1 通过anaconda官网下载,由于Anaconda.org的服务器在国外,会导致下载慢甚至无法下载。
2.2 使用清华镜像下载自己电脑对应版本的Anaconda镜像
一直next即可,具体安装过程可以参考一下这个博客Anaconda安装教程

二、CUDA

1、简介

CUDA(Compute Unified Device Architecture)是NVIDIA推出的用于自家GPU的并行计算框架,也就是说CUDA只能在NVIDIA的GPU上运行,而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。

2、下载与安装

2.1 首先我们需要在cmd中通过nvidia-smi查看自己的GPU版本
在这里插入图片描述

2.2 由上面查询结果可知,我的版本是CUDA 11.2,在选择下载CUDA的时候版本不能高于自己的显卡驱动里面的版本号,我在下载时选择的是11.0版本,大家根据自己的驱动型号选择即可
下载地址:https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述
在这里插入图片描述

下载完成后直接点击安装,此时会跳出一个弹窗,如下图,该图是一个临时解压窗口,不需要调整路径直接点OK即可,完成后会自动删除:

  • 注:安装时请保证C盘足够的内存空间,否则有可能报错
    在这里插入图片描述在这里插入图片描述
    在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
此时会跳出选择安装位置,若C盘内存足够,可直接下一步,若需要自己安装到其他盘的位置,需在目标位置建以下文件夹:在这里插入图片描述
将documentation与samples放在同一文件夹下,development放在另外的文件夹下
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
若安装过程中出现错误:
找到安装失败的出处
在这里插入图片描述
关闭后重新安装,在自定义安装选项时,将加号全部展开,把相关失败选项取消
在这里插入图片描述

三、cuDNN

1、简介

CUDNN(CUDA Deep Neural Network library)是NVIDIA打造的针对深度神经网络的加速库,是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型,cuDNN不是必须的,但是一般会采用这个加速库。

  • 若对cuda感兴趣可以跳转这一篇博客进行了解cuDNN概述

2、下载与安装

cudnn是和cuda是相互匹配的,由于我们安装的是cuda11.0,官方与之对应的cudnn是8.0。
下载地址为:https://developer.nvidia.com/rdp/cudnn-archive
在这里插入图片描述

根据系统类型选择下载在这里插入图片描述
在这里插入图片描述
下载完成后将压缩包解压
在这里插入图片描述
将图中的三个文件粘贴到cuda文件夹下的development文件夹中
在这里插入图片描述
使用nvcc -V在cmd中查看环境
在这里插入图片描述

四、PyTorch和TensorFlow的CUDA环境配置

在这里插入图片描述

1、PyTorch搭建环境

1.1 创建一个conda环境:
注:根据pytorch官方给出的要求,目前pytorch只支持python3.7-3.9之间的版本,低于或高于都无法使用cuda。
在这里插入图片描述

创建一个名为pytorch,采用python3.8版本的环境

conda create -n pytorch python=3.8
  • 1

在这里插入图片描述
在这里插入图片描述
选择y

1.2 激活环境
下载完成后,输入activate pytorch,由base->pytorch,切换环境

1.3 安装对应cuda版本的pytorch版本:
具体对应的版本请查询官方地址:https://pytorch.org/get-started/previous-versions/
在这里插入图片描述
我们上面下载的cuda版本为11.0,故选择这一行,根据自己cuda版本下载对应版本

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch
  • 1

1.4 测试是否安装完成:
在Anaconda Prompt中输入以下命令

python
import torch
torch.cuda.is_available()
  • 1
  • 2
  • 3

在这里插入图片描述
安装成功

2、TensorFlow搭建环境

2.1 创建一个conda环境:
创建一个名为tensorflow2,采用python3.8版本的环境

conda create -n tensorflow2 python=3.8
  • 1

2.2 激活环境
下载完成后,输入activate tensorflow2,由base->tensorflow2,切换环境

2.3 安装对应cuda版本的tensorflow2版本:
具体对应的版本请查询官方地址:https://tensorflow.google.cn/install/source_windows?hl=zh-cn#gpu
在这里插入图片描述
我们上面下载的cuda版本为11.0,故选择这一行,根据自己cuda版本下载对应版本

conda install tensorflow-gpu==2.4.0
  • 1

若使用此方法下载过慢,也可使用清华镜像源下载

conda install tensorflow-gpu==2.4.0 --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 1

除了清华镜像外,还可使用其他源:

中科大镜像:https://pypi.mirrors.ustc.edu.cn/simple
豆瓣镜像:http://pypi.douban.com/simple/
阿里镜像:https://mirrors.aliyun.com/pypi/simple/
百度镜像:https://mirror.baidu.com/pypi/simple
  • 1
  • 2
  • 3
  • 4

2.4 测试是否安装成功
在Anaconda Prompt中输入以下命令

python
import tensorflow as tf
tf.config.list_physical_devices('GPU')
  • 1
  • 2
  • 3

在这里插入图片描述
安装成功

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/Monodyee/article/detail/171305
推荐阅读
相关标签
  

闽ICP备14008679号