转载自CUDA、cuDNN、Pytorch详细安装教程最新版——新手向
更新于2024-07-15
上一篇 Pycharm、Anaconda等python环境详细安装教程最新版——新手向
前言
在深度学习中,常常要对图像数据进行处理和计算,而CPU不能满足对图像处理和计算速度的要求,GPU就是来帮助CPU来解决这个问题的,它特别擅长处理图像数据。
CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎,安装cuda之后,可以加快GPU的运算和处理速度。
cuDNN(CUDA Deep Neural Network library 是NVIDIA专门为深度学习应用开发的GPU加速库。它提供了高度优化的例程,用于深度神经网络的前向和反向传播操作,如卷积、池化、归一化等。cuDNN与多种深度学习框架(如TensorFlow、PyTorch、Caffe等)集成,极大地提高了这些框架在NVIDIA GPU上的性能。
简单的理解,CUDA是一个工具包,cuDNN是基于CUDA的深度学习GPU加速库。CUDA与cuDNN不是一一对应的关系。下载CUDA要看当前驱动的最高支持版本是多少,下载cuDNN要根据CUDA的版本下载最新的cuDNN即可。
补充,CUDA是可以下载多个版本的。
PyTorch 是一个开源的深度学习框架,由Facebook的人工智能研究小组(FAIR)开发和维护。它广泛应用于计算机视觉、自然语言处理等领域,支持研究和生产环境的深度学习模型开发。PyTorch与CUDA和cuDNN等NVIDIA的GPU加速库兼容,支持高性能计算,是当前最热门的深度学习框架。
本教程旨在为初学者提供一个易于理解和操作的指南,详细介绍了如何在 Windows 系统上安装最新版本的 CUDA,cuDNN和 PyTorch。通过一系列清晰的步骤解析和配套截图,本文逐步引导用户完成深度学习环境的安装、配置过程,确保即便是编程新手也能轻松上手。
一、CUDA
1.1 判断能否安装CUDA
首先查看自己电脑是否可以使用GPU加速,需要电脑有NVIDA的独立显卡并且显卡支持CUDA的安装。
在任务栏上的搜索框中,输入“设备管理器”,打开“设备管理器”,找到“显示适配器”后点击,查看电脑显卡型号
在NVIDA官网列表中(地址),查看自己的显卡型号是否在NVIDA列表中,若存在则可以下载cuda实现GPU加速。
接下来检查驱动,点击“设备管理器”,鼠标右键点击显卡的名称,选择“属性”,然后点击“驱动程序”,能看到驱动程序的说明驱动正常。
1.2 查看CUDA安装的最高版本
打开cmd命令行,输入nvidia-smi
,看到CUDA Version
,显示最高版本支持为12.3,那12.3以及12.3以下的版本都是支持的。
1.3 下载、安装CUDA
CUDA下载: CUDA下载地址
推荐使用11.8或者12.1
选项如下图所示,下载安装包。
下载好后,双击进行安装。安装路径不要动,C盘要预留3G以上的空间。
选择精简或者自定义安装,都行。
自定义安装的话,如果Other components和Driver components的新版本比当前版本低的话就不用勾选,否则会导致安装失败
这里可以选择安装路径,其他盘也行。
记住路径,后面有用
完成
二、cuDNN
2.1 下载
cuDNN下载: cuDNN下载地址
version选择Tarball
(压缩包), CUDA Version是由刚才下载的CUDA的版本决定的,CUDA 是11.8就选11,CUDA 是12.1就选12。
2.2 覆盖
解压后复制粘贴 bin、include、lib三个文件到CUDA的安装目录进行覆盖替换
完事
3、Pytorch
Pytorch官网 :Pytorch下载官网
选择对应的CUDA 下载安装即可。没有CUDA就下cpu的版本。
国内下载速度可能比较慢,可以选择镜像下载,终端输入
pip install torch torchvision torchaudio --index-url https://mirror.sjtu.edu.cn/pytorch-wheels/cu118
等待下载安装完成。
Pytorch是向下兼容的,一般下载最新的就可以了。若需要下载指定的版本,加上版本数字即可。速度可能会比较慢。
conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 pytorch-cuda=11.8 -c pytorch -c nvidia
安装好后,终端会显示如下信息
新建main.py,输入代码:
import torch
print(torch.cuda.is_available())
打印True
证明安装成功