【深度学习：入门】如何配置CUDA,使用gpu本地训练

2024-07-10 13:32| 来源: 网络整理| 查看: 265

文章目录 Cuda的下载及安装cuda版本cuda下载 cuDNN下载及安装cuDNN下载配置环境变量测试CUDA下载torch包验证cuda是否可用

Cuda的下载及安装 cuda版本

由于显卡的不同，需要先查看我们显卡及驱动最高支持的cuda。进入cmd输入 nvidia -smi 在这里插入图片描述版本支持向下兼容，为了保证能够和其他开发库版本兼容，这里使用的CUDN版本为11.6.

cuda下载

CUDA Toolkit| NVIDIA Developer官网找到对应CUDA版本。(我这里选择的是CUDA11.6）在这里插入图片描述依次选择如下配置，点击Download下载打开下载的.exe文件，建议选择自定义安装，如下图按照该选项选择。等待安装完成即可。

cuDNN下载及安装 cuDNN下载

使用下面的网址，找到对应的cuDNN版本 cuDNN下载在这里插入图片描述请添加图片描述下载后是一个压缩包，将压缩包解压后，文件中有

复制三个文件，打开CUDA安装位置,(我使用的是默认位置，文件路径如下图）直接粘贴即可。如果遇到替换这默认同意即可。请添加图片描述

在这里插入图片描述

配置环境变量

在安装CUDA时会已经帮你自动配置环境变量，如果没有，按下列步骤配置完成即可：打开"编辑环境系统变量"—>“环境变量”—>在"系统变量"中找到"path"—>添加下面路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp 测试CUDA

cmd中输入nvcc -V 请添加图片描述测试算力 "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite\deviceQuery.exe" 找到deviceQuery.exe，用cmd运行，在这里插入图片描述至此，CUDA与cuDNN配置完成

下载torch包

通常我们说的pytorch指的是cpu版本的，使用torch.cuda.is_available()无论如何返回的都是False，查了好多blog，才知道torch还有gpu版本。 pytorch官网在这里插入图片描述从这里找到之前的版本我的是11.6的，对应在conda terminal输入的代码相应为 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch===1.13.1 torchvision==0.14.1 -f https://download.pytorch.org/whl/torch_stable.html 下载完成即可

验证cuda是否可用

在pycharm/vscode输入一下代码，查看cuda是否可用

import torch flag = torch.cuda.is_available() if flag: print("CUDA可使用") else: print("CUDA不可用") ngpu= 1 device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu") print("驱动为：",device) print("GPU型号： ",torch.cuda.get_device_name(0))

在这里插入图片描述到此为止，可以使用本地gpu进行训练神经网络辽！

【本文地址】

公司简介

联系我们