| 记一次win10安装cupy的失败经历(附 cupy与numpy对比) | 您所在的位置：网站首页 › ubuntu 安装cuda115 dev › 记一次win10安装cupy的失败经历(附 cupy与numpy对比) |
记一次win10安装cupy的失败经历(附 cupy与numpy对比)
|
win10 python38安装cupy中踩的n多个坑
问题的根源应该是我在装cupy之前把Nvidia cuda更新到了最新的11.5版本，原本是10.2版本。中间经历真是太狗血了，花了将近一天时间来搞，当然最后终于好了。应该是win10还不能用cupy-cuda115 记录一下中间大概经历的事情吧，也算是个教训了，中间瞎几把拐弯抹角搞了好多东西，也看了很多的博客跟官方文档，但是都没啥用 中间因为一直在摸索，没想着会整这么久，绕这么多弯，很多就没有截图记录 问题的开始想着先把nvidia的cuda (Compute Unified Device Architecture) 升级到最新的吧，这样也能安装最新的cupy了，于是很多问题就来了...... 在cmd中输入nvidia-smi命令，如下，cuda升级到了11.5 然后利用pip下载对应的cupy版本：cupy-cuda115:
pip3.8 install cupy-cuda115
# 查看安装情况
pip3.8 list | findstr "cupy"
# 输出cupy-cuda115，成功安装
然后问题来了，在import cupy之后显示如下： 之后看了一些博客，索性不指定11.5版本了，直接： pip3.8 install cupy但是输出了一堆error，部分如下： 很明显，需要去下载Microsoft Visual C++ 14.2 or greater 然后就去官方网站下载了，还参考了官方文档里的这个QA： error: Microsoft Visual C++ 14.0 or greater is required. Get it with “Microsoft C++ Build Tools”: https://visualstudio.microsoft.com/visual-cpp-build-tools/ 然后就是一个漫长的过程，下载+安装 成功之后再去重新： pip3.8 install cupy结果他喵的还是没有卵用，跟上面的error输出的一样。。。 问题继续，改变解决角度之后开始从 ModuleNotFoundError: No module named 'cupy' 这个问题出发，找到一些博客 其一如下： ModuleNotFoundError: No module named ‘cupy’, cupy 安装出错 然而我的问题还是毫发无损… 在评论区看到一篇，如下： Pycharm出现ImportError或DLL load failed(CuPy is not correctly installed) 说是改环境变量，往系统变量的path里加几个路径 然而我的问题依旧毫发无损… 有点感觉了Pycharm出现ImportError或DLL load failed(CuPy is not correctly installed) 这篇的评论区，有句话是：
最后： pip3.8 uninstall cupy-cuda115 pip3.8 install cupy-cuda102此时再import cupy，它出现了： 终于好了！其实是自己作，本来一开始直接用cuda v10.2应该就没这么多屁事儿了。。。 不过话说回来，也学到不少东西没写出来，主要写写教训，就mark一下吧 附：cupy numpy对比硬件： CPU：AMD 锐龙4600H； GPU：Nvidia GTX1650，4G独显 import numpy as np import cupy as cp import time start = time.time() a = np.ones(10**7) end = time.time() start_2 = time.time() b = cp.ones(10**7) end_2 = time.time() # CPU interval_1 = end - start # GPU interval_2 = end_2 - start_2 print(interval_1, interval_2, interval_2 / interval_1, sep='\n') # 结果如下： 0.013987541198730469 1.559950351715088 111.52427217563238 # 发现在1000万数据规模时，创建一个(1, 10**7)的数组，numpy速度远快于cupy，是cupy的100多倍 # 将创建的规模改为1亿，即10**8之后，结果如下： 0.18699407577514648 1.5673096179962158 8.381600387601841 # 可见此时numpy的速度仅为cupy的8倍左右，在数据规模大于1000万之后，随着数据规模的增加，cupy的速度提高远大于numpy # 因为本机GPU只有4G，由于显存容量的限制，最后测试一下4*10**8规模 # 结果如下： 0.6669847965240479 1.7918219566345215 2.6864509745536878 # 此时numpy的速度仅为cupy的2倍左右，已经没有了数量级的差距可见，如果GPU的显存容量足够大的话，那么在数据量达到亿规模之后，cupy的优势会越来越明显 |
其中一个error显示为：
有点东西了，可能是cuda115这个最新版本还不能用？我不清楚，反正我思路就变成：把cuda版本降回来，到v10.2 CUDA Toolkit 10.2 Download 同时看博客，也需要搞一下cudnn： cuDNN Archive(选个适用于cuda10.2的) 最后整好之后，看一下环境变量里面系统那栏有没有CUDA_PATH和CUDA_PATH_V10_2这两个变量 利用命令：
【本文地址】