【知识扫盲】【问题解决】Anaconda、CUDA 和 cuDNN

一、【知识扫盲】Anaconda、CUDA 和 cuDNN

1. 安装 Anaconda 通常包含了 Python 的发行版以及一些常用的数据科学库和工具。然而，如果你要在 Anaconda中使用深度学习框架，如 PyTorch，TensorFlow，并且希望利用 GPU 进行加速，那么你可能需要单独安装 CUDA 和cuDNN。
2. CUDA 是 NVIDIA 提供的并行计算平台和编程模型，用于利用 NVIDIA GPU
   进行加速计算。深度学习框架（如 PyTorch、TensorFlow）通常使用 CUDA 来加速模型训练和推断。
3. cuDNN是一个加速深度神经网络的库，为深度学习框架提供了 GPU 加速的基本构建块。
4. 如果你计划使用 GPU加速来进行深度学习任务，确保你的 CUDA 和 cuDNN 版本与你选择的深度学习框架版本兼容。在大多数情况下，这需要手动安装 CUDA和 cuDNN。

二、【跑深度学习遇到的问题】

• 以前我用yolov8跑深度学习模型，我分明想用gpu跑，但是每次都报错gpu not available，只能先用cpu跑了。以前一直不知道为什么总是错，后来跟别人交流才知道这种学习框架是分gpu和cpu的，pytorch是cpu版，pytorch-gpu才是gpu版，我之前安装的是cpu版本的，想用gpu当然是不可能的了。相信大家也都听了很多遍gpu比cpu跑得快很多，但是没有接触过的同学肯定会像我一样，没有量化的知道gpu到底有多快，刚开始可能误打误撞只能用cpu跑，觉得算了就这样跑吧，自己弄gpu弄不对，很担心。今天看了一个帖子，稍微对比一下gpu能比cpu跑的快三四倍，果断想快点装好gpu版本的，好好跑一下，通了的话以后就都能用gpu跑了！否则能两个小时结束的模型非得到九个小时，真的浪费时间。

三、【记录一下我的奇怪零碎问题和解决方案】

1. 起因：说我的GPU不能用，我很奇怪，我以为是因为我的驱动程序没装好。

我以为No running processes
found代表我的nvidia驱动程序没装好，还重新装了一遍驱动程序，后来发现完全是因为没有进程用到gpu，它在闲置。。

2. 不过在重新安装INVIDIA驱动程序的过程中，我发现了新的问题并且解决了新问题，记录一下。 安装CUDA和cuDNN先检查版本兼容性，我的python是3.9，所以可以装的cuda是11.2，cuDNN是8.1

- 安装cuda，在第一步，系统检查报错：NVIDIA安装程序无法继续

AI说我的nvidia程序安装没有成功安装，但自己查过相关资料发现我的程序是成功安装过了的（AI说话不能全信，特别是装程序，平时问一些指令还行）重新查资料处理。。。

• 卸载重装

- 此时第一步【系统检查】没有问题了

为了后续方便我把它安装在默认的C盘【提前声明：本人的电脑在下载普通软件的时候都不会放在C盘，节省C盘空间。这种专业的软件，本人会放在C盘，为了后续操作。各位勿喷，本人的C盘够用】

- 报错：CUDA Visual Studio Integration 未找到Visual
Studio的支持版本，后退，将CUDA中的Nsight VSE和Visual Studio Integration取消勾选

- 目前，cuda程序顺利安装

- 安装完成，虽然环境变量已经自动配置到了，但仍然需要重启电脑。否则nvcc–version看CUDA信息还是显示没有

补充：
“nvcc --version"命令用于查看CUDA编译器（NVIDIA CUDA Compiler）的版本信息。
通过运行"nvcc --version"命令，你可以确定安装在你的系统上的CUDA编译器的版本。该命令将显示CUDA编译器的版本号以及其他相关的信息，如编译器的路径和所支持的构架。这对于开发和调试CUDA程序以及确保系统上安装了正确的CUDA版本是非常有用的。
在运行"nvcc --version"时出现”'nvcc’不是内部或外部命令，也不是可运行的程序或批处理文件"的错误消息，这通常表示CUDA没有正确安装或没有配置好环境变量。

2.安装cuDNN
这个简单，根据这位博主去做就可以完成NVIDIA 安装 cuDNN