MX250笔记本安装Pytorch、CUDA和cuDNN

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是深度学习领域的开源学习库，能够帮助研究人员和开发者从头开始搭建复杂的深度学习模型，进行高效的训练和优化，并将训练好的模型部署到各种实际应用中。

上次用的Tensorflow也可能是因为版本问题验证不成功，所以我们本次按照PyTorch指导操作一下。

首先是操作系统，支持Windows 7、Windows Server 2008 R2及以上版本的操作系统，推荐使用Windows 10及更高版本，那就是用Windows 10专业版1909的补丁版来试一下。

1、安装操作系统

笔记本型号是机械革命S1 Pro，处理器是Core i5-8265U，16 GB运行内存，有集显UHD 620，独显型号为GeForce MX250。安装好操作系统之后信息如下：

查看系统自动安装的驱动程序为2019年的版本。

在NVIDIA控制面板中查看系统信息，组件中包含了CUDA，版本为10.2.95。

2、升级显卡驱动

到NVIDIA官网下载最新的驱动程序，只有GRD版本可选，并且不能指定CUDA版本。

下载完成之后，升级驱动程序，驱动程序日期为2024年2月15日。

在NVIDIA控制面板查看显卡信息，CUDA核心数为384个，全部图形内存有10GB，不知道能不能提升点性能。

升级后的CUDA版本也升级到了12.4.89，比CUDA能下载的最新版本12.3U2好像稍微高一点的样子。

3、安装CUDA和cuDNN

在PyTorch页面，可以看到Windows系统使用Conda（Anaconda）、Python 3.8以上环境，匹配稳定版的CUDA版本为11.8和12.1，都比12.4要低，那就选11.8试一下。

选择CUDA的11.8版本进行下载。

下载链接如下：

https://developer.download.nvidia.cn/compute/cuda/11.8.0/local_installers/cuda_11.8.0_522.06_windows.exe

按照提示完成CUDA的安装。

对于cuDNN，直接下载个最新版。

下载链接如下：

https://developer.download.nvidia.cn/compute/cudnn/9.0.0/local_installers/cudnn_9.0.0_windows.exe

按照提示完成cuDNN的安装。

都安装完成之后，还是使用nvcc -V命令查看CUDA是否安装成功。

4、安装anaconda

按照之前的操作（Windows部署TensorFlow后识别GPU失败，原因是啥？），先安装Anaconda，下载链接如下：

https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Windows-x86_64.exe

PyTorch的安装命令在以下页面进行搭配选择。

https://pytorch.org/get-started/locally/

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

如果感觉下载速度慢，可以以管理员身份运行Anaconda，替换为国内源（TensorFlow识别GPU难道就这么难吗？还是我的GPU有问题？）。

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/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

5、验证

安装完成之后，在Python命令行使用以下命令检查CUDA是否安装成功，返回值为True则说明CUDA安装成功。

import torch
print(torch.cuda.is_available())

再使用以下命令检查cuDNN是否安装成功，返回值为True则说明cuDNN安装成功。

from torch.backends import cudnn
print(cudnn. is_available( ))

不容易，又有一个小进展！

长按二维码
关注我们吧

CentOS 7.9安装Tesla M4驱动、CUDA和cuDNN

使用Python脚本实现SSH登录设备

CentOS 7配置Bonding网卡绑定

小测一下HCL中VSR的转发性能

网络之路28：二层链路聚合

H3C交换机S6850配置M-LAG基本功能

Windows Server调整策略实现999999个远程用户用时登录

Juniper虚拟防火墙vSRX部署初体验

将Juniper虚拟防火墙vSRX部署在ESXi进行简单测试

将Juniper虚拟防火墙vSRX导入EVE-NG

L2TP访问失败？快看看是不是NAT网关的ALG搞的鬼

Juniper虚拟防火墙vSRX配置防火墙策略实现业务转发

配置Juniper虚墙vSRX基于策略的IPsec VPN（WEB方式）

配置Juniper虚墙vSRX基于策略的IPsec VPN（CLI方式）

配置VMware实现从服务器到虚拟机的一键启动脚本

Ubuntu 23.10通过APT安装Open vSwitch