【深度学习：入门】如何配置CUDA,使用gpu本地训练

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

        

        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）

        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

        

        

        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。

        

        

        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

        

        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，

        

        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

        

        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))
        

        

        到此为止，可以使用本地gpu进行训练神经网络辽！

        ---