分享：win10使用 python 让 NVIDA GeForce MX250 显卡发挥余热，安装CUDA，cuDNN和PyTorch

最新推荐文章于 2024-04-24 13:35:29 发布
最新推荐文章于 2024-04-24 13:35:29 发布
阅读量10w+ 收藏 43
点赞数 2
分类专栏： python 文章标签： python pytorch windows MX250 cuda
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Scoful/article/details/131209347
版权

目录

1. 更新最新的显卡驱动

  • 打开NVIDA更新驱动的官网地址

  • 根据下图的选择，记得Windows驱动程序类型要选标准，如图
    在这里插入图片描述

  • 点击搜索，下面就会列出一大堆的历史驱动，选择第一个，也就是最新的，当前是472.12，点开，再点下载，再点同意并下载，建议用EagleGet
    在这里插入图片描述

  • 下载完毕后，双击安装，会提示选择一个解压缩的目录，建议选一个空闲空间大一点的盘来存放，这个安装完毕后会自动删除的
    在这里插入图片描述

  • 等解压缩完毕后，会自动检查系统是否可以安装这个驱动，等检查完毕后，选择NVIDA图形驱动程序，上面的NVIDIA显卡驱动和GeForce Experience，会多安装GeForce Experience，给可怜的C盘更多的负担，不建议选择
    在这里插入图片描述

  • 同意并继续后，选择精简，下一步
    在这里插入图片描述

  • 等待安装完成，关闭就行了，建议重启电脑一下
    在这里插入图片描述

  • 右键点击桌面空白处，选择NVIDIA 控制面板，打开后，点击左下角的系统信息，查看驱动程序版本是否是安装的472.12
    在这里插入图片描述

2. 安装CUDA

  • 打开cmd，输入命令：nvidia-smi，会列出当前的驱动版本和支持的CUDA的最高版本，如果提示命令不存在，建议用软件everything，搜索nvidia-smi.exe，然后自行把目录添加到环境变量里，或者直接进入nvidia-smi.exe的目录里再运行命令
    在这里插入图片描述
  • 右上角显示的11.4就是当前电脑能够支持CUDA的最高版本，可以向下兼容，去CUDA的官方地址下载，选择低于可支持版本的，比如我选择了下图这个
    在这里插入图片描述
  • 点进去后，根据电脑情况选择
    在这里插入图片描述
  • 再往下拉一点，使用下载工具下载，建议用EagleGet
    在这里插入图片描述
  • 下载完毕后，双击安装，会提示选择一个解压缩的目录，建议选一个空闲空间大一点的盘来存放，这个安装完毕后会自动删除的
    在这里插入图片描述
  • 等解压缩完毕后，会自动检查系统是否可以安装这个驱动，等检查完毕后，同意并继续
  • 选自定义，下一步
    在这里插入图片描述
  • 点开CUDA，找到Visual Studio Integration，取消勾选，如图所示
    在这里插入图片描述
  • 跟CUDA同级别的也都取消勾选，如图所示，下一步
    在这里插入图片描述
  • 选择安装位置，因为我C盘紧张，就选择安装到其他盘了，下一步，开始安装
  • 等待安装完成，下一步，关闭就行了，建议重启电脑一下
    在这里插入图片描述
  • 打开cmd，输入命令：nvcc -V ，能正常输出版本信息等，就说明安装成功了
    在这里插入图片描述
  • (可选)，做一下GPU带宽测试，用软件everything，搜bandwidthTest.exe，找到文件所在地址，然后打开cmd，输入命令：bandwidthTest.exe，看到结果有输出pass，说明测试成功
    在这里插入图片描述
  • (可选)，获取CUDA可使用的GPU的信息，用软件everything，搜deviceQuery.exe，找到文件所在地址，然后打开cmd，输入命令：deviceQuery.exe，看到结果有输出pass，说明测试成功，根据结果也可知，集显是不能被CUDA操控的。
    在这里插入图片描述

3. 安装cuDNN

  • 先注册一个NVIDIA的开发者账号，打开地址，根据提示验证并注册
  • 打开cuDNN的官方下载地址，需要根据已经安装的CUDA的版本选择
    在这里插入图片描述
  • 点开后，找到Windows的，点开，下载
    在这里插入图片描述
  • cuDNN其实称不上安装，只需要将下载下来的压缩包解压后，将对应文件夹的文件放到CUDA安装路径下的对应文件夹里即可(cuDNN可以认为是CUDA的补充，可以加速深层神经网络的速度)
    在这里插入图片描述
  • 直接把上图的所有都复制，然后打开CUDA的文件夹，直接无脑粘贴就行了，如果找不到，用软件everything，搜CUDA_Toolkit_Release_Notes.txt或者nvcc.exe，找到CUDA的安装文件夹，也是一样有bin、include、lib的才是

4. 安装pytorch

  • 打开cmd，输入命令：pip install torch==1.13.0+cu117 torchvision==0.14.0+cu117 torchaudio==0.13.0 --extra-index-url https://download.pytorch.org/whl/cu117，torch有2g多，如果速度够快的话，就不用管，等它自动下完（不建议用国内源加速，据说有坑，会在没有gpu版本的时候直接安装cpu版本）
    在这里插入图片描述

  • 如果速度实在太慢的话，把下面这3个链接用下载工具先下载到本地，然后用python的whl安装包方法进行一一安装

  • https://download.pytorch.org/whl/cu117/torch-1.13.0%2Bcu117-cp310-cp310-win_amd64.whl

  • https://download.pytorch.org/whl/cu117/torchvision-0.14.0%2Bcu117-cp310-cp310-win_amd64.whl

  • https://download.pytorch.org/whl/cu117/torchaudio-0.13.0%2Bcu117-cp310-cp310-win_amd64.whl

  • 检查是否安装成功，打开cmd，输入命令：python，进入python的运行环境

  • 输入import torch，稍等一下等它加载

  • 再输入print(torch.cuda.is_available())，得到结果True，棒！
    在这里插入图片描述

  • 理论上，上面安装成功的话，下面这些就不用看了~

  • 官网地址，可以尝试官网推荐的方法（没试过），pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

  • 如果官网首页找不到对应的cuda版本，可以进这个链接，通过ctrl+f搜索，但是神奇的是，cuda 11.4版本没有找到，最后想到直接用whl的方法试试，就前面写的，成功了！！！

enjoy！！！

Scoful
关注
  • 2
    点赞
  • 踩
  • 43
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
NVIDIA GeForce 940M win7驱动.rar
05-06
显卡NVIDIA GeForce 940M /windows 7 64位操作系统驱动
ubuntu18.04 安装mx250显卡驱动（超详细）
H4cker的博客
01-17 9219
1.查看GPU型号 lspci | grep -i nvidia 我是 GeForceMX 250 2. NVIDIA官网下载驱动： https://www.nvidia.com/Download/index.aspx 3.卸载原有驱动 sudo apt-get remove --purge nvidia* 4.禁用nouveau sudo gedit /etc/modprobe.d/bl...
win11+MX250+CUDA Tookit 10.1 update 2
ikun的博仔的博客
06-11 1021
win11+MX250安装CUDA
Python GPU计算库之pycuda使用详解
Rocky006的博客
03-21 1743
pycuda 是一个用于在 Python 中进行 GPU 计算的库，它结合了 Python 的易用性和 NVIDIA CUDA 并行计算的性能优势。本文将详细介绍 PyCUDA 库的特性、用法，并通过丰富的示例代码展示其在实际项目中的应用。
各种显卡对应型号cuda cudnn.docx
08-06
英伟达nvida各种型号对应驱动cuda列表
kali linux 安装 NVIDA 显卡驱动教程
01-20
现在互联网上一堆在 kali Linux 上安装 NVDIA 显卡驱动的教程，但是很多都是你抄我，我抄你，都没有去实际的验证，导致很多小伙伴照着这些教程安装后要么没有成功，要么 kali Linux 直接启动不了了。而我开始怀疑写这些博客或者教程的人，他们有自己亲自验证过教程的可用性吗？ 我自己就是被类似的教程坑了，所以在装 NVDIA 显卡这件事上费了不少功夫，光重装系统就不下 20 次。还好我最终总结除了必然成功的方法，经得住大家的考验的方法。如果你按照我的方法成功安装了 NVDIA 显卡驱动的话，你的关注就是我最大的动力，我会继续亲自实验，写出更好的教程哦。好了，下面进入正题。 物理机安
win11+MX250+CUDA10.0+pytorch1.5.1安装配置+踩过的坑……
weixin_68021767的博客
03-13 1827
pytorch的安装和踩坑
Win10+MX250+CUDA11.3+cuDNN+Pytorch安装
qq_41180440的博客
04-03 7072
​ cuda和英伟达驱动对应的版本：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 增加镜像源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/m
MX250笔记本安装Pytorch、CUDA和cuDNN
衡水铁头哥的博客
02-24 1231
正文共：999 字 18 图，预估阅读时间：1 分钟前段时间在研究GPU多次遇到挫折（CentOS 7.9安装Tesla M4驱动、CUDA和cuDNN），考虑可能显卡太老是主要原因。经过查询，我笔记本的显卡MX250架构是Pascal，还领先Tesla M4一代。而性能却只有Tesla M4的三分之一，不过可以验证一下安装的流程是不是可以跑的通。这次操作的切入口是PyTorch，PyTorch是...
如何根据自己电脑的NVIDIA显卡型号下载安装对应的显卡驱动版本并安装？
qq_58656175的博客
12-07 2698
至此，根据自己电脑的显卡型号下载安装配备对应的驱动程序到此结束，接下了则可以根据CUDA版本去下载配置相应的Pytorch了。二、如上图所示，我电脑的显卡型号为NVIDIA Geforce MX250,浏览器搜索进入NVIDIA官网下载相对应得版本。右键点击开始 -- 选择任务管理器 -- 点击性能 -- 点击GPU，右上角即可显示自己电脑的显卡型号。匹配完自己显卡对应的版本之后，点击开始搜索，即在开始搜索下面出现自己显卡型号所对应的显卡驱动。一、查询自己电脑的NVIDIA显卡型号。
win10+CUDA10.1+cudnn7.6+MX250安装过程
marsh_zy的博客
04-23 2881
一、前言： 1. 选择cuda版本 打开nvidia控制面板，可以看到显卡版本是441.08，根据驱动版本判断看这里 直接看最高支持版本可以这样，打开帮助->系统信息->组件，可以看到最高支持10.2.87的cuda 2.选择cudnn版本 在下载cudnn的页面有标注cudnn适配哪个版本的cuda，根据需要下载就好了 3.我的配置 Windows10系统，MX...
Win10下安装并使用tensorflow-gpu1.8.0+python3.6全过程（显卡MX250+CUDA9.0+cudnn）
01-20
—–最近从github上找了一个代码跑，但是cpu训练的时间实在是太长，所以想用gpu训练一下，经过了一天的折腾终于可以用gpu进行训练了，嘿嘿~ 首先先看一下自己电脑的显卡信息： 可以看到我的显卡为MX250 然后进入NVIDIA控制面板->系统信息->组件 查看可以使用的cuda版本 这里我先下载了cuda10.1的版本，不过后来我发现tensorflow-gpu 1.8.0仅支持cuda9.0的版本，所以之后我又重装了一遍cuda9.0，中间还经历了删除cuda10.0，两个版本的安装都是一样的。 进入官网：https://developer.nvidia.com/cuda-too
i7 8565U+MX250+UHD620 黑苹果OC0.8.2基本完美引导分享
08-17
相同差不多配置可下载使用（机械笔记本s1/s1pro） 操作系统：Windows 10 64位( DirectX 12 ) 处理器：英特尔Core i7-8565U @ 1.80GHz四核 显卡：NVIDIAGeForceMX250英特尔UHD Graphics 620 声卡：瑞昱Audio @英特尔英特尔智音技术音频控制器 驱动情况： 核显UHD620正常，可调节亮度 声卡ALC内建正常 支持扬声器麦克风 睡眠唤醒正常 原生电源管理 处理器变频正常 USB深度定制 各接口均完美使用 触摸版支持多指触控
MX250显卡驱动+cuda10.2+cudnn10.2
09-01
MX250显卡驱动+cuda10.2+cudnn10.2
详解Ubuntu16.04安装nvidia驱动+CUDA+cuDNN的教程
01-11
1.查看GPU是否支持CUDA lspci | grep -i nvidia 2.查看Linux版本 uname -m && cat /etc/*release nvidia驱动 1. 先卸载原有N卡驱动 #for case1: original driver installed by apt-get: sudo apt-get remove --...
【编译程序介绍】
武帝为此的博客
04-22 1271
简单来说，编译程序是一个软件，它读取用某种编程语言编写的源代码，分析并转换成等效的、可执行的机器语言代码。这个过程涉及多个复杂的步骤，包括语法分析、语义分析、代码优化和代码生成等。
[python3] 读取一个正在更新的日志文件
最新发布
言之。
04-24 293
等同于–follow=name --retry，根据文件名进行追踪，并保持重试，即该文件被删除或改名后，如果再次创建相同的文件名，会继续追踪。这两种方法都会持续监听日志文件的变化，并实时读取新增的日志内容。你可以根据实际需求选择其中一种方法。要读取一个正在更新的日志文件（即实时写入的日志文件），你可以使用 Python 的。的技巧来实现实时读取。函数打开文件，并使用。
实现自定义注解、实现自定义幂等性注解
qq_44721738的博客
04-23 707
添加 Spring AOP 依赖。创建自定义注解。创建一个新的 Java 注解类，通过@interface关键字来定义，并可以添加元注解以及属性。@Target(ElementType.METHOD) //表示作用于方法上@Retention(RetentionPolicy.RUNTIME) // 表示这个注解在运行时是可见的，这样 AOP 代理才能在运行时读取到这个注解编写 AOP 拦截（自定义注解）的逻辑代码。@Aspect@Component// 方法执行前的处理。
【InternLM实战营---第五节课作业】
weixin_45609124的博客
04-22 819
LMDeploy环境配置及基础使用
pytorch nvida 安装
09-16
要安装PyTorch和NVIDIA相关的组件，可以按照以下步骤进行操作： 1. 打开PyTorch官方网站（https://pytorch.org/）。 2. 在网站上找到适合您的CUDA版本的PyTorch版本。您可以选择12.1版本以下的CUDA版本。 3. 根据您的操作系统和CUDA版本选择合适的安装命令。 4. 如果使用conda进行安装，可以使用以下命令进行安装（以1.8.0版本为例）： ``` conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge ``` 5. 如果在虚拟环境中安装，可以使用以下命令（以vs code为例）： ``` mamba install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia ``` 请注意，具体的安装命令可能因您的操作系统、CUDA版本和PyTorch版本而略有不同。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值