Cuda和cuDNN安装
- 1Cuda下载与安装
- 1.1查看适合cuda的版本
- 1.2下载cuda toolkit
- 1.3cuda安装步骤
- 1.4配置环境变量
- 1.5验证
- 2cuDNN下载与安装
- 2.1cuDNN下载
- 2.2cuDNN配置
- 2.3配置环境变量
- 2.4验证
- 3安装PyTorch-GPU
- 3.1打开Anaconda Prompt
- 3.2创建虚拟环境
- 3.3在虚拟环境中输入指令
- 3.4验证Pytorch-GPU
1Cuda下载与安装
1.1查看适合cuda的版本
1.2下载cuda toolkit
官网链接
1.3cuda安装步骤
cuda的安装步骤是“傻瓜式”的安装，建议安装在C盘，无需修改默认路径，下面列举几个重要的安装步骤
1.4配置环境变量
1.5验证
打开cmd，输入nvcc --version查看版本号，输入set cuda查看设置的环境变量
2cuDNN下载与安装
2.1cuDNN下载
下载前需要登录或者注册，链接如下：
https://developer.nvidia.com/rdp/cudnn-download
登录完毕后，再去下列网址选择你需要下载的版本
https://developer.nvidia.com/rdp/cudnn-archive
2.2cuDNN配置
将下载的cuDNN压缩包解压，并将里面3个文件夹复制到cuda的安装目录下，默认安装目录是
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0
2.3配置环境变量
添加如下4条路径信息
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\libnvvp
2.4验证
执行.\bandwidthTest.exe和.\deviceQuery.exe，得到下图
3安装PyTorch-GPU
3.1打开Anaconda Prompt
3.2创建虚拟环境
conda create -n pytorch python=3.7
3.3在虚拟环境中输入指令
在官网查找自己版本对应的指令
https://pytorch.org/get-started/locally/#no-cuda-1
3.4验证Pytorch-GPU
import torch
a = torch.cuda.is_available()
print(a)ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())
详情见之前安装TensorFlow2.1的教程，都是一样的步骤
安装TensorFlow2.1GPU版本
