当前位置:   article > 正文

深度学习实用工具——CUDA,CUDNN以及GPU版pytorch下载及安装教程_cuda下载

cuda下载

1. 前置工作

(1)首先我们要确定本机是否有独立显卡,右键点击开始按钮—设备管理器——显示适配器中,查看是否有独立显卡。
在这里插入图片描述
如上图中,本机装有英伟达的GTX 1050的显卡
(2)进行显卡的驱动安装,如果已经安装了驱动,可以将驱动进行一下自动更新。
(3)查看Nvidia显卡驱动,win + R打开命令行,输入:nvidia-smi
在这里插入图片描述
可以看到本机的驱动版本Driver-Version:456.71,CUDA版本CUDA Version:11.1。注意:
因此安装的CUDA toolkit版本不可超过11.1;Driver-Version不超过456.71。

2. CUDA下载与安装

(1)下载适合自己显卡的CUDA版本,比如我的显卡版本是11.1,可以下载11.1的CUDA,下载网址:https://developer.nvidia.com/cuda-toolkit-archive。国外网址,有时会出现进不去的情况,可以尝试国内版:https://developer.nvidia.cn/cuda-toolkit-archive。
(2)CUDA安装
第一步:双击安装程序,软件许可协议点击同意并继续。

第二步:自定义安装选项:如果是第一次安装,尽量全选;如果是第n次安装,尽量只选择第一个,否则可能会出现错误。
在这里插入图片描述
第三步:选择安装位置,这里建议默认安装,如果选择手动安装,要记住安装位置,后续可能需要配置环境变量。

第四步:开始准备安装,等待安装完成。

第五步:查看环境变量是否已配置。目前的CUDA安装好之后会自动配置环境变量,如果没有,则需要手动配置。打开高级系统设置——环境变量——系统变量,查看是否有CUDA_PATH和CUDA_PATH_V11_1两个环境变量。
在这里插入图片描述
第六步:查看CUDA是否安装成功
打开cmd,输入nvcc –V,会有如下提示,显示安装成功。
在这里插入图片描述
进入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite(或者是自己安装的CUDA路径),分别将bandwidthTest.exe和deviceQuery.exe拖入到cmd中执行,若结果为都为PASS,表示CUDA的安装与环境变量配置均成功。
在这里插入图片描述

3. cuDNN下载与安装

这里先解释一下CUDA与cuDNN的关系:CUDA看作是一个工作台,上面配有很多工具,如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库,它就相当于工作的工具,比如它就是个扳手。但是CUDA这个工作台买来的时候,并没有送扳手。想要在CUDA上运行深度神经网络,就要安装cuDNN,就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作,工作速度相较CPU快很多。
安装过程:

第一步:官网下载cuDNN的安装包,地址:https://developer.nvidia.com/cudnn,这里需要注册等录一下之后再下载,也可以在网上找到别人已经下载好的资源。这里注意要选择和CUDA对应的cuDNN安装包。

第二步:解压下载好的安装包,这里我下载的是:cudnn-11.1-windows-x64-v8.0.5.39.zip,解压后,安装包里包含三个文件夹。
在这里插入图片描述

第三步:将三个文件里的文件,全部复制到cuda安装目录下的同名文件夹中,即可完成安装。
在这里插入图片描述

4. GPU版pytorch下载与安装(conda环境下)

第一步:创建虚拟环境(安装anaconda基础上)
打开cmd,输入类似于下面的命令:conda create --name py38 python=3.8,这句表示创建一个名为py38的环境,指定Python版本是3.8。

第二步:进入虚拟环境
在cmd中输入:activate py38,py38需要替换成自己的环境名称。

第三步:安装pytorch
进入官网,查询适合自己CUDA和Python版本的pytorch版本://pytorch.org/,然后选择相应的安装选项,获取安装指令。
在这里插入图片描述
然后将此安装指令输入到cmd(上一步进入的虚拟环境下)中,进行安装。

这里官网安装会比较慢,也可以采用国内镜像源安装。需要首先配置国内镜像源(如清华镜像源),然后进入pytorch官网,根据Python和CUDA选择对应的版本,然后得到官方的安装指令。,但是这里一定要注意,去掉安装指令的-c pytorch,安装的时候才会默认从清华源下载相应的包。

第四步:验证安装
下载之后,通过命令行验证一下。在cmd中进入刚刚安装pytorch的虚拟环境,输入python进入python环境,然后输入以下代码:

import torch
print(torch.__version__)
print("gpu", torch.cuda.is_available())
  • 1
  • 2
  • 3

显示torch版本以及True,说明配置成功。

5. 补充

这里补充一些conda里虚拟环境的安装和进入的命令
(1)创建虚拟环境
conda create --name py38 python=3.8 #创建一个名为python38的环境,指定Python版本是3.8
(2) 使用环境
activate py35 # for Windows 进入名为py35的虚拟环境
(3) 其它常用命令
conda info -e #查看所有虚拟环境
source activate snowflakes #切换环境
deactivate py35 # for Windows 退出虚拟环境
source deactivate py35 # for Linux & Mac 退出虚拟环境
conda remove --name py35 --all # 删除一个已有的环境
conda install xxx #安装xxx包
conda install pyspark=2.3.0 # 安装指定版本的包
conda list # 查看已经安装的库
conda list -n py35 # 查看某个指定环境的已安装包
conda uninstall xxx #卸载xxx包
pip uninstall xxx #要是conda命令失败可以用pip
conda install -n py35 numpy # 安装package到指定的环境
conda update -n py35 numpy # 更新
package conda remove -n py35 numpy # 删除package
conda update python # 更新python

写在最后

这一篇是将自己安装整个软件的过程进行了记录,方便自己后续进行查看,欢迎大家补充,指正,有问题也可以在评论区提问,看到之后我也会及时回答的。

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/盐析白兔/article/detail/627427
推荐阅读
相关标签
  

闽ICP备14008679号