0.环境安装
0. NVIDIA 驱动程序
CuPy 需要 NVIDIA GPU 驱动程序来正确运行。确保你已经安装了与你的 GPU 和 CUDA 版本兼容的 NVIDIA 驱动程序。你可以通过 在命令行里面输入nvidia-smi 命令检查是否安装了正确的驱动程序
1.CUDA Toolkit安装
-
cuda安装,具体操作见windows安装CUDA教程
-
使用pip 安装cupy-cuda包,例如安装cuda11.2版本
pip install cupy-cuda112
2.cuDNN安装
cupy-cuda112 包含了 cuDNN 依赖,所以通常不需要额外安装。但是,如果你在使用深度学习库(如 TensorFlow 或 PyTorch),并且需要自定义 cuDNN 设置,确保你的 cuDNN 版本与 CUDA 版本兼容,具体安装操作见windows安装CUDA教程
3. tensorflow安装
使用pip安装指定版本的tensorflow,tensorflow的版本需要和cuda、cuDNN的版本兼容,tensorflow链接
1.使用cupy数组
在环境安装好之后,可以运行一下代码,若能成功正常运行,则cupy数组使用需要的环境安装完成
import cupy as cp
# 创建一个 CuPy 数组(在 GPU 上)
cp_array = cp.array([1, 2, 3, 4, 5])
print("CuPy array:", cp_array)
2.使用tensorflow
运行下面的代码,若能成功运行,且能检测到cuda,则tensorflow安装正确:
import tensorflow as tf
# 检查TensorFlow是否得到CUDA支持
print(tf.test.is_built_with_cuda())
# 检查是否有可用的GPU
print(tf.config.list_physical_devices('GPU'))