目录
安装cuda
下载链接:https://developer.nvidia.cn/cuda-downloads?
直接安装,首先提取在temp目录:
这个temp目录在退出安装以及安装完成后会自动删除,如果没有,我们也可以手动将其删除
提取完成后,就进入安装步骤
直接精简安装即可,省事快捷,占点储存空间在现在也不是个事。
安装好cuda后,会提示重启。重启完成后,安装成功。
cuda安装好之后,会新建两个环境变量CUDA_PATH
以及CUDA_PATH_V11_8
:
注意,有教程说,cuda会生成NVCUDASAMPLES_ROOT
以及NVCUDASAMPLESXX_X_ROOT
目录 ,指向的似乎是示例文件sample:C:\ProgramData\NVIDIA Corporation\CUDA Samples\VXX.X
。
XX_X代表版本号,如11_0:NVCUDASAMPLES11_0_ROOT。
但是实际上并不存在这样的目录,且复盘了cuda安装过程,即使是自定义
安装过程,查看所有的安装选项,也没有发现sample的类似选项以及目录。
如果是11.0版本的安装过程,出现的安装路径目录:
查看是否安装cuda成功,poweshell输入nvcc -V
:
查看cuda的配置set cuda
:
-
powershell下:
-
powershell ISE下:
-
CMD下:
这里可以发现只有cmd能正确的找到这个配置,原因未知
下载cuDNN包
安装cuDNN,链接https://developer.nvidia.com/rdp/cudnn-download:
需要注册一个英伟达账户
注册后,再点击链接,就能进入下载界面:
下载完成后,将压缩包解压,然后找到bin
、include
、lib
文件夹:
复制到cuda的安装目录VXX.X
下:
这时候要检查系统的path
变量中是否有以下的路径:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\binC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\includeC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp
其他环境配置的设定,说是可以方便VS的调用,参考:
- https://zhuanlan.zhihu.com/p/428082594
- https://blog.csdn.net/u010618587/article/details/82940528
cuda配置验证
现在验证cuda和cudnn是否是正常的,需要使用cuda的deviceQuery.exe 和 bandwidthTest.exe进行验证,在powershell里进入,输入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite
,然后输入:
-
.\bandwidthTest.exe
:
-
.\deviceQuery.exe
:
pycharm内下载gpu版TensorFlow
直接在pycharm的项目的terminal里运行:
pip install tensorflow-gpu
我的项目配置的是py3.6的虚拟环境
自动安装的是TensorFlow-gpu 2.6版本,代码自动补全功能比较完善)
即使安装TensorFlow cpu版本也是2.6版本。
测试是否成功:
import tensorflow as tftf.config.list_physical_devices('GPU')
输出:
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
之前有教程推荐以下的检测方法:
tf.test.is_gpu_available()
但是实际运行中,发现了deprecated
的警告,输入如下:
WARNING:tensorflow:From <ipython-input-5-17bb7203622b>:1: is_gpu_available (from tensorflow.python.framework.test_util) is deprecated and will be removed in a future version.Instructions for updating:Use `tf.config.list_physical_devices('GPU')` instead.2022-11-17 00:41:48.441314: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX AVX2To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.2022-11-17 00:41:50.455672: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1510] Created device /device:GPU:0 with 5482 MB memory: -> device: 0, name: NVIDIA GeForce RTX 3070 Laptop GPU, pci bus id: 0000:01:00.0, compute capability: 8.6Out[5]: True
来源地址:https://blog.csdn.net/yue81560/article/details/127931471