https://www.cnblogs.com/yuanwei-wu/p/12497030.html
文章目录
1.CUDA的下载安装及配置
(1)测试本机独立显卡是否支持CUDA的安装
(2)首先打开Pytorch的官网查询目前最新的CUDA版本此处,也可安装旧文件,这里选择最新的版本。然后回到CUDA此处,找到与torch相对应的版本
测试CUDA是否正常安装。可以看到测试成功,接着进行cudnn的下载。(步骤-开始右键-window-powershell-输入nvcc -V)
2.CUDNN的下载及配置
选择下载download cudnn,
CUDNN的版本要跟CUDA版本一致。
下载之后,解压缩,将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下,直接覆盖安装即可。
3.Anacond的介绍
Windows 版本
接下来按照正常步骤安装即可,注册此处选择勾选第一个,添加环境变量,后续则无需自己添加。第二个不勾选
之后就可以打开命令行(最好用管理员模式打开) 输入 conda --version。
4.pytorch-gpu的安装
直接来到Pytorch的官网:https://pytorch.org/get-started/locally/
使用命令安装
若输入import torch报错,则表明安装失败
随后验证是否可以调用CUDA,print(torch.cuda.is_available())。出现True则表明成功,否则失败。
5.安装opencv
退出python环境后调用pip install opencv-contrib-python
7. c++的cuda环境(build tool of Visual Studio 2019)
截至2021年2月1日,win10 下cuda的编译还不支持gcc,只有使用微软的编译工具cl.exe
https://visualstudio.microsoft.com/zh-hans/downloads/
https://zhuanlan.zhihu.com/p/126669852
Visual Studio 2019 生成工具
使用此类生成工具,可以通过命令行接口生成 Visual Studio 项目。 支持的项目包括:ASP.NET、Azure、C++ 桌面、ClickOnce、容器、.NET Core、.NET 桌面、Node.js、Office 和 SharePoint、Python、TypeScript、单元测试、UWP、WCF 和 Xamarin。
8. gcc
https://www.cnblogs.com/raina/p/10656106.html
https://www.jianshu.com/p/46824c62dfed
下载mingw安装包: http://sourceforge.net/projects/mingw/files/latest/download?source=files
安装 mingw-get-setup.exe
将MinGW\bin路径添加到系统环境变量里:
-安装Package:
方法(推荐):
Win+R 打开运行,输入cmd回车
安装gcc:输入 mingw32-get install gcc 回车
安装g++:输入 mingw32-get install g++ 回车
安装gdb:输入 mingw32-get install gdb 回车
安装make:输入 mingw32-get install mingw32-make 回车
测试一下是否安装成功:
在cmd里输入:gcc -v、g++ -v、mingw32-make -v,如果出现如下信息,就说明安装成功了。
附录 GPU 训练的几个软硬件基础层次
GPU环境配置
https://www.jianshu.com/p/41009ab08ae2
GPU训练环境的安装主要涉及三个方面,
- 英伟达显卡的驱动的安装;
- CUDA Toolkit的安装;
- CUdnn的配置
1.驱动指NVIDIA Driver,它就是一个驱动软件和其他的驱动软件一样是一种计算机系统与硬件设备之间交互的软件程序
2.CUDA是NVIDIA推出的用于自家GPU的并行计算框架,也就是说CUDA只能在NVIDIA的GPU上运行,而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。CUDA的本质是一个工具包(ToolKit)官方说法CUDA是一个并行计算平台和编程模型,能够使得使用GPU进行通用计算变得简单优雅
3.CUdnn是一个专门为深度学习计算设计的软件库,里面提供了很多专门的计算函数
一:Nvidia Drive安装:
1.1查看显卡的版本号
lspci | grep NVIDIA
查询到的是十六进制数字代码,无法直接的区官网下载驱动,需要借助工具找到具体的显卡型号,使用下面的网址将查询到的十六进制的数字输入
http://pci-ids.ucw.cz/mods/PC/10de?action=help?help=pci
可以看出我这边的是四张T4的卡
1.2 根据对应的显卡下载显卡的驱动
找到自己的显卡,选择Linux版本进行下载,下载的是.run文件
https://www.nvidia.com/Download/index.aspx
执行以下命令,对安装包添加执行权限。 例如,对文件名为 NVIDIA-Linux-x86_64-418.126.02.run 添加执
行权限。
chmod +x NVIDIA-Linux-x86_64-418.126.02.run
执行命令,检查当前系统中是否已安装 gcc 和 kernel-devel 包
执行以下命令,运行驱动安装程序,并按提示进行后续操作。
sudo sh NVIDIA-Linux-x86_64-384.90.run -no-x-check -no-nouveau-check -no-opengl-files
代码注释:
-no-x-check #安装驱动时关闭X服务
-no-nouveau-check #安装驱动时禁用nouveau
-no-opengl-files #只安装驱动文件,不安装OpenGL文件
安装完成后,执行以下命令进行验证
nvidia-smi