基于tensorflow-gpu + E5 CPU + GTX1660 SUPER + TESLA-P40 显卡安装CUDA(11.8.0)_cuda11.8支持的显卡

作者：菜鸟追梦旅行 | 2024-03-02 17:09:08

踩

cuda11.8支持的显卡

基于tensorflow-gpu + E5 CPU + GTX1660 SUPER + TESLA-P40 显卡安装CUDA(11.8.0)

前言：

在此之前，写了一篇基于GTX1660显卡的CUDA 11.2的环境搭建，参考链接：基于tensorflow-gpu-2.6.0 + Intel CPU + GTX1660 SUPER 使用CUDA计算

本文为基于NVIDIA GPU 双显卡(GTX1660 + TESLA P40) 进行 tensorflow(CUDA) 计算的环境配置说明，如果电脑中安装有cuDNN 且Tensorflow支持的话，会默认优先使用GPU进行计算，如果有多块GPU ，需要代码指定使用哪一块显卡进行计算，如果配置CUDA失败，会使用CPU计算

关于计算能力，测试了20万张级别的【图片的对象识别】， TESLA P40 GPU(24GB) 的没Epoch计算时间大概会比GTX 1660 SUPER(6GB) 缩短3-4倍。

#	硬件	模型计算完成时间
1	GTX 1660 SUPER	≈ 12 分钟/16 Batch Size/1 epoch
2	TESLA P40	≈ 4 分钟/ 64 Batch Size/1 epoch

#	软件	说明	查询地址
1	cuda显卡	在cuda-gpus列表查询当前显卡是否支持cuda功能及Compute Capability版本	cuda-gpus
2	CUDA 版本	通过查询Tensorflow-GPU版本列表，当前文档中最高支持CUDA 11.2，但是实际上使用CUDA(11.8.0)版本配合对应版本cuDNN依然可以使用低版本的Tensorflow-GPU	Tensorflow-GPU
3	显卡驱动	找到与CUDA 版本对应的CUDA开发工具的-显卡驱动即可	cuda-toolkit-release
4	Python	在tensorflow-gpu版本列表中显示 python 3.6-3.9版本皆可	Tensorflow-GPU
5	cuDNN	在cudnn-archive版本列表中显示 for CUDA 11.x 或者指定版本即可	cudnn

注:
1. Compute Capability版本对应的支持功能，可以查询cuda-function进行查询
2. 本文中未使用anaconda 软件安装python，发现使用anaconda 在进行安装tensorflow-gpu 会报出各种意料外的异常，所以使用实体系统安装python的方式进行安装测试
3. cudnn下载需要注册NVIDIA的开发者账号
4. 先用亮机卡(GTX1660super 单卡安装，待所有安装配置都完成后，再插入P40显卡)
5. Bios中要开启 Above 4G Decoding 才能支持大容量显存的双显卡

硬件、软件配置

1.文档涉及硬件配置

#	设备	产品
1	CPU	E5-2686V4 * 1
2	内存	32 GB DDR4 ECC(三星) * 2
3	主板	华南X99 (有能力的最好使用DELL服务器, 华南主板安装Windows Server系统需要重新安装华南官方的网卡驱动,如果使用多显卡需要修改BIOS【咨询商家即可】)
4	硬盘	西数(WD) SN770 NVMe SSD 1TB
5	显卡	技嘉NVIDIA GeForce GTX 1660 SUPER
6	显卡2	TESLA P40
7	电源	长城巨龙 1000W
8	CPU风扇	TR-TA120EX

2.文档涉及软件配置

#	软件	版本
1	操作系统	Windows server2019 数据中心版版本 17763
2	anaconda	N/A
3	Python	3.9.13
4	显卡驱动	CUDA Toolkit 11.8
5

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/菜鸟追梦旅行/article/detail/181515

基于tensorflow-gpu + E5 CPU + GTX1660 SUPER + TESLA-P40 显卡 安装CUDA(11.8.0)_cuda11.8支持的显卡