在Windows环境下安装GPU版的PyTorch

Windows环境下安装GPU版的PyTorch,是PyTorch深度学习的第一个门槛。本文详解GPU版的PyTorch安装步骤。

2.3.1  确认显卡是否支持CUDA

在深度学习中,我们经常要对图像数据进行处理和计算,而处理器CPU因为需要处理的事情多,并不能满足我们对图像处理和计算速度的要求,显卡GPU就是用来帮助CPU解决这个问题的,GPU特别擅长处理图像数据。

为什么GPU特别擅长处理图像数据呢?这是因为图像上的每一个像素点都有被处理的需要,而且每个像素点处理的过程和方式都十分相似,GPU就是用很多简单的计算单元来完成大量的计算任务,类似于纯粹的人海战术。GPU不仅可以在图像处理领域大显身手,它还被用在科学计算、密码破解、数值分析、海量数据处理(比如排序、Map-Reduce)、金融分析等需要大规模并行计算的领域。

而CUDA(Compute Unified Device Architecture)是显卡厂商NVIDIA推出的只能用于自家GPU的并行计算架构,只有安装这个软件,才能够进行复杂的并行计算。该架构使GPU能够解决复杂的计算问题。它包含CUDA指令集架构(Instruction Set Architecture,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,主流的深度学习框架也都是基于CUDA进行GPU并行加速的。

想要使用GPU加速,则需要安装CUDA,首先需要自己的计算机显卡支持CUDA的安装,也就是查看自己的计算机有没有NVIDA的独立显卡。在NVIDA官网列表(https://developer.nvidia.com/cuda-gpus)中可以查看自己的显卡型号是否包括在NVIDA列表中。

在计算机桌面上右击,在弹出的菜单中如果能找到NVIDIA控制面板,如图2-9所示,则说明该计算机配有GPU。

打开NVIDIA控制面板窗口,可以查看NVIDIA的一些信息,包括显卡的驱动版本,通过单击“帮助”菜单,并选择“系统信息”选项,查看系统信息获取支持的CUDA版本。如图2-10所示,选择“组件”,在3D设置模块找到NVCUDA64.DLL,在该行可以看到该NVCUDA的版本,可以看到图中显示的版本是 11.8。

2.3.2  安装CUDA

我们已经知道,CUDA是显卡厂商NVIDIA推出的通用并行计算架构,能利用英伟达GPU的并行计算引擎。目前已经确认系统已有支持CUDA的显卡,这时可以到NVIDIA网站 (https://developer.nvidia.com/cuda-toolkit-archive)下载CUDA,如图2-11所示。注意,安装CUDA Driver时,需要与Nvidia GPU Driver的版本驱动一致,CUDA才能找到显卡。

根据实际情况选择合适的版本,比如计算机操作系统是Windows 10,这里下载CUDA 11.8.0的本地安装包,如图2-12所示。

2.3.3  安装cuDNN

接下来下载与CUDA对应版本的cuDNN,cuDNN是用于深度神经网络的GPU加速库,下载地址为https://developer.nvidia.com/rdp/cudnn-archive,页面如图2-13所示。

下载cuDNN,需要注册英伟达开发者计划的会员账号才能下载,如图2-14所示,读者请自行注册账户,加入会员。

进入下载页面后,注意不要选择错误的版本,一定要找到对应CUDA的版本号。另外,如果使用的是Windows 64位的操作系统,那么需要对应下载x86版本的cuDNN。

cuDNN就是个压缩包,解压会生成bin、lib、include三个目录(见图2-15),里面的文件复制到CUDA安装目录(这里是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0目录)下对应的目录即可。注意,不是替换文件夹,而是将文件放入对应的文件夹中。

接下来安装Visual Studio 2015、2017、2019和 2022支持库,这个支持库务必安装,否则后面安装PyTorch支持库会出现各种“坑”。支持库不大,有十多MB,安装完成后重启系统。其下载地址为https://docs.microsoft.com/zh-CN/cpp/windows/latest-supported-vc-redist?view=msvc-160,下载页面如图2-16所示。

2.3.4  安装GPU版PyTorch

安装GPU版本的PyTorch稍微复杂,前提是需要安装CUDA、cuDNN并行计算框架,然后安装PyTorch。PyTorch官网(地址为https://pytorch.org)给出了匹配的版本号及安装命令,如图2-17所示。

运行命令(Run this command)字段中的命令如下:

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

后面安装是否成功,就请读者自行验证了。

《PyTorch深度学习与企业级项目实战(人工智能技术丛书)》(宋立桓,宋立林)【摘要 书评 试读】- 京东图书 (jd.com)

本文节选自《PyTorch深度学习与企业级项目实战》,获出版社和作者授权发布。

【赠书活动第5期】《PyTorch深度学习与企业级项目实战》-CSDN博客

  • 17
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Windows环境下下载GPUPyTorch,可以按照以下步骤操作: 1. 安装CUDA驱动:CUDA是NVIDIA公司提供的用于进行GPU计算的平台,PyTorch GPU需要依赖CUDA,因此需要先安装CUDA驱动。可以前往NVIDIA官网下载并安装对应版本的CUDA驱动。 2. 安装cuDNN:cuDNN是NVIDIA提供的用于进行深度学习计算的库,也是PyTorch GPU的依赖库之一。可以前往NVIDIA官网下载并安装对应版本的cuDNN。 3. 安装Anaconda或Miniconda:Anaconda是一个常用的Python科学计算环境,可以方便地安装和管理各种Python包。可以前往Anaconda官网或Miniconda官网下载并安装对应版本的Anaconda或Miniconda。 4. 创建conda虚拟环境:为了避免与系统Python环境冲突,可以创建一个conda虚拟环境安装PyTorch GPU。可以使用以下命令创建一个名为pytorch的conda虚拟环境: conda create --name pytorch 5. 激活conda虚拟环境:创建完conda虚拟环境后,需要使用以下命令激活该环境: conda activate pytorch 6. 安装PyTorch GPU:使用以下命令安装PyTorch GPU: conda install pytorch torchvision torchaudio cudatoolkit=<version> 其中,<version>为安装的CUDA版本对应的版本号,例如: conda install pytorch torchvision torchaudio cudatoolkit=11.1 7. 验证安装安装完成后,可以使用以下命令验证PyTorch GPU是否安装成功: python -c "import torch; print(torch.cuda.is_available())" 如果输出True,则说明PyTorch GPU已经成功安装

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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