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
热门文章
- MongoDB $type 操作符
- vue中使用html video标签,写中间暂停图标
- 《吐血整理》高级系列教程-吃透Fiddler抓包教程(25)-Fiddler如何优雅地在正式和测试环境之间来回切换-下篇
- for循环及range内置方法
- 常用RE对照表——敬请期待!!!
- .NET性能系列文章一:.NET7的性能改进
- SQL 报表制作和整形
- 驱动开发:内核监控FileObject文件回调
- 笔记:Debian下为sublime text建立软链接[像vi一样到处使用]
- Scrapy 之 docker splash