深度学习GPU加速配置方法
2024-09-06 20:14:34
深度学习GPU加速配置方法
一、英伟达官方驱动及工具安装
- 首先检查自己的电脑驱动版本，未更新至最新建议先将驱动更新至最新，然后点击Nvidia控制面板
2.在如下界面中点击系统信息，点击显示可以看见当前的显卡驱动版本，点击组件可以看到红框中的CUDA版本的最高支持，在安装时只需要装这个版本之下的即可。
- 打开Cuda Tookit的安装官网，CUDA Toolkit Archive | NVIDIA Developer，选择自己需要的版本，但不能高于上面的版本号，此处以Cuda Tookit10.2为例，选择好对应的版本号和系统，进行下载。
选择自定义安装，注意在安装这之前至少得有一个Visual Studio，不然会安装失败。
在自定义中如果是第一次安装则选择所有的选项，如果是第n次安装，则只选择第一个选项，安装位置尽量默认。
安装完成后如图所示：
然后在命令行中输入nvcc -V即可查看安装的cuda。
PS:如果未出现考虑环境变量的问题，主要参考以下几个环境变量，注意安装位置是默认位置
安装完cuda后，还需安装cuda的补丁即cuDnn，下载网址cuDNN Download | NVIDIA Developer，因为这里安装的是10.2版本的cuda，所以选择8.7版本的cuDnn for Cuda 10.2，然后根据自己的平台选择相应的版本，这里选择windows压缩包。
将下载的文件进行解压，将这三个文件进行复制，然后放入安装目录（
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2）下的同样文件。
此时可以打开pytorch官网，此处以pytorch V1.11.0为例，需要安装对应cuda版本的pytorch，此处为10.2版本，复制安装命令即可。
注意此处必须是cuda版本，有时候利用换源安装的是cpu版本，注意区分
输入如下命令，如果最后结果显示True，说明安装成功，恭喜可以进行GPU加速了
最新文章
- Centos 6.6 下搭建php5.2.17+Zend Optimizer3.3.9+Jexus环境
- ionic常用的命令
- POJ2774 (后缀数组)
- c++模板库(简介)
- Request.QueryString
- IntelliJ IDEA 15 创建maven项目
- Nginx+Keepalived+Tomcat之动静分离的web集群
- [POJ 3735] Training little cats (结构矩阵、矩阵高速功率）
- 在C中判断变量存储类型（字符常量／数组／动态变量）
- python数据可视化（matplotlib）
- myEclipse配置SVN
- java死锁小例子
- 【jira】java.lang.OutOfMemoryError: GC overhead limit exceeded
- Python编码处理和文件路径处理
- Qt QByteArray或者Char转十六进制 QString
- REST-assured 2发送消息代码重构
- Forcing restore from package sources
- 10 个打造 React.js App 的最佳 UI 框架
- leetcode-happy number implemented in python
- oracle 树查询