Win10+MX250+CUDA10.1+cuDNN+Pytorch1.4安装+测试全过程(吐血) | 您所在的位置:网站首页 › windows11MS可以装吗 › Win10+MX250+CUDA10.1+cuDNN+Pytorch1.4安装+测试全过程(吐血) |
最近疫情很严重,很多地方不让出门,很多人也都害怕被传染,包括我,咱一学生也出不了太多力,老老实实在家呆着不添乱就是最好的贡献。但是在家呆着实在无聊,学校又延迟开学,想在家做一些深度学习项目练练手(新手上路,大神勿喷哈哈哈),但是无法连上学校实验室服务器,笔记本CPU跑个demo都费劲。我这一想,笔记本不是还有个鸡肋的MX250吗?很好奇MX250和CPU哪个跑更快一点?于是乎就开始了一波操作。。。 1、配置和模块 CPU == i7-10710URAM 16GBGPU == MX250 显存2GBCUDA10.1cudnn-10.1-windows10-x64-v7.6.5.32PyTorch1.4 2、安装CUDA和cuDNN CUDA首先需要确定计算机是否有独立显卡,可以在设备管理器-设备显示器下查看,如果有NVIDIA字样的设备就是拥有独立显卡。 安装完CUDA之后就是安装cuDNN了。点击这里下载与CUDA对应版本的cuDNN。如果你是第一次使用,网站会要求你注册一个账号,很快就完事了。之后就可以下载了。因为我的CUDA是10.1,所以我下载的是以下版本: 如果电脑里没有安装python,建议先安装Anaconda,十分方便,直接网上搜官网,或者清华镜像,下载很快。我使用的是Anaconda3-5.2.0版本。安装好后将目录添加到环境变量即可。 Conda安装PyTorch到pytorch官网选择相应版本的pytorch,复制网站的下载命令,打开Prompt,黏贴 conda install pytorch torchvision cudatoolkit=10.1 -c pytorch即可下载。 设置完成后再运行 conda install pytorch torchvision cudatoolkit=10.1注意,这里没有-c pytorch。 之后就是等待下载安装。安装完成后,打开CMD,进入python,输入以下命令 import torch torch.cuda.is_availabe()
既然能够使用GPU加速了,那就用个模型来实验一下吧!LeNet作为最经典的网络之一,简单又实用,先拿它来看看效果怎么样。 基于LeNet测试速度LeNet作为最经典的网络之一,具体结构大家应该都很熟悉,我就不仔细讲解了,数据集采用的是cifar-10,直接上结果。 首先是CPU跑的速度:平均速度17S左右。 为了试一试250到底有几斤几两,我自己写了一个更大的网络(没有什么严谨的研究依据,就自己随便写的结构),由6个卷积块,每个卷积块由1个卷积层、1个BN层和ReLU组成,1个全连接层,3个池化层和3个dropout组成。具体如下: 再康康GPU的情况吧: 经过一下午的折腾,最终在我这小新Pro13上实现了GPU加速神经网络训练的小目标(虽然加速有限,但是打发了无聊,学到了技术,美滋滋)。经过实验对比发现,MX250在这两个小网络上相比于i7-10710U还是有相当可观的加速效果的。如果假期无聊,没有好的GPU,又想尝试GPU加速的小伙伴可以试一试哈!(还是实验室的GPU香啊![滑稽]) 6、参考https://blog.csdn.net/Mind_programmonkey/article/details/99688839 https://blog.csdn.net/kan2281123066/article/details/93789303 |
CopyRight 2018-2019 实验室设备网 版权所有 |