win10下安装cuda和cudnn

本文电脑:

win10 64位家庭中文版 1803版本,i5-7300HQ ;显卡:GTX1050i;

CUDA版本:cuda_9.0.176_win10.exe (链接:CUDA 9.0

cudnn版本:cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0(链接:cudnn-9.0-windows10-x64-v7.zip

Tensorflow-GPU 1.12.0

VS2015

Python 3.6

Anaconda 3.4


Step 1:安装CUDA 9.0 

 上图是选择win10 64位 cuda9.0本地安装文件下载的截图,下载后点击运行cuda_9.0.176_win10.exe,安装时会让你选择一个文件夹作为抽取文件临时存放,记住这不是安装文件夹,安装文件夹系统会自动安装到C盘,临时文件夹安装完后会自动删除。

 

安装完之后CUDA_PATH_V9_0和CUDA_PATH这两个系统变量会自动为你添加上。

环境变量配置: 
cuda9.0安装完成之后在系统环境变量中自动配置了两个系统变量 
CUDA_PATH:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 
CUDA_PATH_V9_0:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 
 

Step 2:安装CUDNN 7.0

下载cudnn时需要注册填写信息,选择支持cuda9.0的cudnn,我选择的是cudnn7.0.5,    7.1可能有些不兼容.下载完,解压cudnn,会出现四个文件,如下:

 在cuda安装完后,系统自动在C盘的Program Files文件中创建了NVIDIA GPUComputing Toolkit文件夹,你可以找到如下路径:

你可以发现在这个v9.0目录下也有类似cudnn中的文件夹。将cudnn的bin,include,lib中的内容 拷贝到v9.0的bin,include,lib对应目录下,提示替换的话点击OK。完成,最好重启一下电脑。OK。

此外在你环境变量PATH中添加如下内容:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include

安装完毕后测试cuda版本:

打开cmd,输入如下指令:

nvcc -V

Step 3 Anaconda下安装Tensorflow-GPU 1.12.0

前提是你已经安装好了anaconda,点击Anaconda Prompt ( 类似cmd窗口);

新建一个python=3.6的环境(由于win10下tensorflow只支持python3)

(base) C:\Users\chens>conda create --name TFGPUP3.6 python=3.6

上面指令是创建了一个环境名为TFGPUP3.6的环境,该环境中python版本为3.6

随后会下载相应依赖库文件,安装python3.6;待环境创建完毕,激活环境;

(base) C:\Users\chens>conda activate TFGPUP3.6

激活后,命令提示行会以(TFGPUP3.6) 开头,然后在该环境中安装tensorflow-gpu ,conda无安装包,用pip 如下图:

(TFGPUP3.6) C:\Users\chens>pip install --ignore-installed --upgrade tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

命令中的链接是清华镜像,下载对应的资源速度较快。 

 如上图,是安装相应的依赖库,包文件。最后提示Successfully installed absl-py-0.7.0 astor-0.7.1 gast-0.2.2 grpcio-1.18.0 h5py-2.9.0 keras-applications-1.0.6 keras-preprocessing-1.0.5 markdown-3.0.1 numpy-1.16.0 protobuf-3.6.1 setuptools-40.7.0 six-1.12.0 tensorboard-1.12.2 tensorflow-gpu-1.12.0 termcolor-1.1.0 werkzeug-0.14.1 wheel-0.32.3

验证至看到显卡信息则成功,输入如下代码:

>python
>>>import tensorflow as tf
>>>sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

 输出一些显卡的信息以及设备号:

使用下列代码测试TF安装正确性

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))

Win10下的nvidia-smi在 C:\Program Files\NVIDIA Corporation\NVSMI 目录内。

可以使用该目录下的nvidia-smi查看显卡使用状态(如下图指令);

参考:

https://blog.csdn.net/u010103202/article/details/79620551

https://blog.csdn.net/jacke121/article/details/78205845

https://blog.csdn.net/u010440456/article/details/82424894

https://blog.csdn.net/xuefengyang666/article/details/79422012

https://blog.csdn.net/gyp2448565528/article/details/79451212

https://www.cnblogs.com/sorex/p/7615185.html

 

 

  • 5
    点赞
  • 49
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 在Win10安装CUDAcuDNN需要以下步骤: 1. 下载CUDAcuDNN安装包,可以在NVIDIA官网上下载。 2. 安装CUDA,按照安装向导进行安装,注意选择合适的安装路径和组件。 3. 安装cuDNN,将下载的cuDNN文件解压到CUDA安装路径下,例如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.。 4. 配置环境变量,将CUDAcuDNN的路径添加到系统环境变量中,例如将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.\extras\CUPTI\lib64添加到Path变量中。 5. 测试安装是否成功,可以使用命令行输入nvcc -V和python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([100, 100])))"来测试CUDAcuDNN是否正常工作。 希望对你有帮助! ### 回答2: 对于使用 NVIDIA GPU 进行深度学习开发的工程师和研究人员而言,CUDAcuDNN安装是非常关键和必须的步骤。以下是 Win10CUDAcuDNN安装步骤: 1. 安装 CUDA: 首先,需要在 NVIDIA 官网上找到特定的版本。然后执行以下步骤: - 打开 CUDA 安装包并运行安装程序。 - 选择自定义安装选项,使得只有所需的组件被选择。 - 根据您的 GPU 版本选择正确的 CUDA 版本(有关详细信息,请参阅 CUDA 网站文档)。 2. 安装 cuDNN: 在 NVIDIA 官网上下载 cuDNN 并按以下步骤进行安装: - 将 cuDNN 解压缩到任意位置(例如,C: \ cudnn)。 - 将 cuDNN 文件夹添加到环境变量 Path 中。 3. 配置环境变量: 将所需的环境变量添加到 Windows 系统中,以便能够正常使用 CUDAcuDNN。 - 打开“计算机” ->“属性” ->“高级系统设置” ->“环境变量”。 - 选择“系统变量”并单击“新建”键。 - 输入变量名称和变量值,例如,CUDA_PATH 和 C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0。 4. 测试 CUDAcuDNN 安装: 最后,通过运行代码测试 CUDAcuDNN 安装是否正确。 - 编写一个简单的 CUDAcuDNN 程序。 - 打开命令提示符并导航到程序的路径。 - 编译程序并运行编译后的可执行文件。 如果一切正常,您将能够在命令行中看到程序输出,并且您的 GPU 将在运行程序时被使用。 总的来说,正确安装 CUDAcuDNN 对于使用 NVIDIA GPU 进行深度学习和计算机视觉开发是至关重要的,而 Windows 10 平台下的安装步骤比较简单,只要按照上述步骤进行配置即可。 ### 回答3: cudacudnn是用于深度学习中GPU加速的重要工具。在win10系统下安装cudacudnn需要以下步骤: 一、安装cuda 1. 确认显卡型号及其支持的cuda版本号 在官网上下载cuda对应的版本,支持的显卡型号也需要进行确认。一般来说,新款显卡支持的cuda版本比较高。 2. 下载cuda安装包 在官网上下载cuda安装包。选择合适的安装包并下载后,解压至自定义的目录,如:“D:\cuda\"。 3. 安装cuda 进入解压后文件夹内找到exe安装文件,运行该文件来开始cuda安装。需要注意的是,在安装过程中,需要勾选“添加到系统环境变量中”选项。 4. 测试cuda 安装完成后,可以通过在命令行输入nvcc -V,来检查cuda是否安装成功。终端输出cuda的版本信息,则说明cuda安装成功。 二、安装cudnn 1. 下载cudnn 在NVIDIA开发者网站上下载对应的cudnn版本,如“cudnn-11.3-windows-x64-v8.2.1.32.zip”。 2. 解压cudnn 将下载后的cudnn压缩包解压至cuda安装目录,如“D:\cuda\”,解压后应该出现以下文件: bin, include和lib等文件夹。 3. 配置cudnncuda 进入cuda安装目录,找到与安装cuda时配置好的GPU加速路径一致的lib\x64文件夹,在此目录下将cudnn解压得到的解压文件夹中的cudnn64_8.dll文件复制到此目录下。在此之后,cudnn会被配置为与cuda相兼容。 4. 测试cudacudnn 安装完成后,可以使用TensorFlow\PyTorch等深度学习框架进行GPU加速开发,通过运行相关程序测试,检查CUDAcuDNN是否都安装成功。 以上便是win10系统下安装cudacudnn的步骤,相信能够帮助用户顺利安装cudacudnn,进行深度学习的GPU加速开发。

“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

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