Pycharm 配置GPU环境

最新推荐文章于 2025-03-11 16:44:24 发布
最新推荐文章于 2025-03-11 16:44:24 发布
阅读量3k 收藏 24
点赞数 2
文章标签： pycharm python 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/handsome836/article/details/126330615
版权

前提：安装anaconda和pycharm之后，之前是使用CPU来跑，现在想配置一下GPU环境

查看电脑NVIDIA适合的CUDA版本
在这里插入图片描述
注册账号，注册一下就好。

下载CUDA11.6版本
官网：https://developer.nvidia.com/cuda-downloads
默认安装在C盘
在这里插入图片描述
在这里插入图片描述
等待安装完成即可。

下载CUDNN
官网：https://developer.nvidia.com/cudnn
填写调查问卷 提交
在这里插入图片描述
解压压缩包后
在这里插入图片描述
把解压后的三个文件夹里的全部复制到CUDA v11.7对应的文件夹里
在这里插入图片描述

编辑环境变量
系统属性→ 高级 →环境变量→系统变量→path→新建。

在这里插入图片描述
增加上述四个路径。

重新启动电脑。

验证是否安装成功
打开cmd
使用 nvcc -V 验证是否安装成功，看到如下信息说明安装成功
在这里插入图片描述
把C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite路径下的bandwidthTest和deviceQuery拖入cmd中（因为出现闪退）
在这里插入图片描述
在这里插入图片描述
安装成功。

pycharm已有base环境装GPU
pip install tensorflow-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

在pycharm配置环境时，出现了一个适合的tensorflow-gpu版本，就选择了gpu2.6.0版本。

也可以对照配置GPU环境tensorflow对应表
网址：https://tensorflow.google.cn/install/source_windows#install_gpu_support_optional
在这里插入图片描述

handsome836
关注
如何在pycharm中指定GPU
安静到无声
08-17 2895
添加名称：CUDA_VISIBLE_DEVICES和对应值即可。
Pycharm 配置 gpu版TensorFlow
(｡◕‿◕｡)
12-30 1582
Pycharm: 2019.3.1 Python: 3.7 cuda: v10.1 cudnn: v7.6.4 TensorFlow: 2.0 最近重装了系统，打算重新配置tensorflow的环境:D 1.cuda 下载 本来是直接在官网下载的10.2版本，突然发现cudnn没有支持10.2版本的，就下载了10.1版本,选择自己的系统适合的版本 下载网址：https://develop...
如何使用PyCharm连接服务器GPU？四步搞定！
qq_53129597的博客
03-11 513
如何使用PyCharm连接服务器GPU？四步搞定！
Pycharm里配置Pytorch-gpu（运行informer算法模型）
pi_pi_lin的博客
10-24 7364
去官网下载适合自己操作系统的Anaconda安装包。（以Windows为例）
在pycharm中配置GPU训练环境（Anaconda)（yolov5)
a131529的博客
11-01 5176
其中C:/ProgramData/Anaconda3/envs 是创建的目录所在位置；/pytorch是所创建的环境的名称 python=3.8是创建的python的版本。可以看到，验证确实创建在我们想要的位置。1：使用命令查看当前拥有的虚拟环境。
Pycharm如何配置GPU环境（win10搭建DL环境）
热门推荐
学者-微风
01-12 2万+
请注意： （1）如果你的机子上在这之前已经安装了python，并且在pycharm中配置好了python环境，那么作者还是建议，卸载掉原来的python环境，因为博主曾经试过不卸载掉原来的python环境并且直接安装anaconda环境（可能是博主在安装Anaconda的时候没有勾选本文步骤3中的图），然后在anaconda中配置GPU环境，最后我的解决方法是卸载掉原来的python环境，只保留a......
pycharm调用GPU
weixin_43483305的博客
01-12 2万+
使用pycharm调用CUDA首先在pycharm中使用device是否具有gpu在设备管理器中查看自己的gpu下载显卡驱动 首先在pycharm中使用device是否具有gpu device = torch.device(args.device if torch.cuda.is_available() else "cpu") print(device) 运行结果是 cpu ，计算机安装了gpu的，结果没有调用加速。 查了相关的资料 如何在Pycharm中调用gpu 。记录下当时的过程。 在设备管理器中查
pycharm配置GPU加速
liujievvvv的博客
03-06 707
pycharm配置GPU加速
Win11配置Pytorch教程(GPU版)
01-16
总结，配置Pytorch GPU版在Win11上需要经历安装Anaconda、CUDA、cuDNN，然后安装Pytorch，最后在PyCharm中创建项目并验证GPU加速。过程中需要注意各个组件的版本兼容性，确保Python、CUDA、cuDNN和Pytorch版本的匹配...
pycharm配置tensorflow GPU环境
WL413911的专栏
05-13 1456
安装tensorflow-gpu时需要根据自己电脑已有的cuda版本进行命令的选择，否则会导致tensorflow，cuda不可用（命令行显示的cuda版本为此驱动可支持的最大版本的cuda，如果需要其他版本的cuda可以自行安装）。没有指明包含chanel名称的情况下，均在main的频道中寻找指定操作的包，如果指定chanel-name，则在main频道中找不到时，会去指定的chanel-name中找。选这个就可以 我的cuda版本在11.4 够用 cuda 10.1 然后对应的cudnn 是 7.6。
win10 +Pycharm+Pytorch GPU 环境配置
scy261983626的博客
05-21 778
文章目录win10 + Pytorch GPU版本配置引言环境配置步骤查看需要安装的torch 版本 win10 + Pytorch GPU版本配置 引言 没想到时至今日. 还需要自己写一篇. PS 建议找连接好一点的网络. 因为要下载的东西比较大. 光Torch 就需要2个G以上. 如果本身没有安装驱动和Cuda的话.需要下载的就更多了. 环境配置 英伟达驱动 传送门() Cuda 传送门() Cudnn 传送门() torch 传送门 建议自己到这个网站上下载. 不要用pip方式.国内网络不友好
pycharm安装tensorflow-gpu的配置文件.rar
02-19
1 解决想玩深度学习，但在配置tensorflow时迟迟不能成功的问题。 2 下载文件夹中有cudart64_100.dll和cudnn_7.dll两个文件 3 按照文件中的配置文件，以及电脑的配置，可配置成功
PyCharm测试GPU & 查看GPU信息 实现代码
04-11
接着，你需要在PyCharm中配置解释器，选择包含CUDA支持的Python环境，例如Anaconda或Conda环境，这些环境中通常预装了GPU版本的TensorFlow或其他库。 接下来，我们可以通过以下Python代码来检查GPU是否可用以及获取...
完整在pycharm上通过torch调用GPU（最细节）
weixin_64605288的博客
07-10 2万+
作者经过数天的研究，折合了无数人的观点，最后再一步一步实践得到的完整版torch调用GPU全过程
Anaconda+spyder+pycharm的pytorch配置（GPU）
Dylanqin的博客
10-15 4723
第一步 ： 从清华大学开源软件镜像站下载Anaconda：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D 安装过程中需要勾选如下图 装好后测试是否装好，先配置环境变量（可能anaconda安装好后自己就有了） 打开CMD，输入代码 conda list 回车出现包的信息则说明安装完成 打开Anaconda Navigator（桌面没有的话就点击左下角看最近添加）可以看到spyder已经下好了 ———————
pycharm+pytorch+gpu开发环境搭建
深之JohnChen的专栏
07-27 3157
pycharm+pytorch+gpu 离线安装 pip install --no-deps torch-1.9.0+cu111-cp37-cp37m-win_amd64.whl pip install --no-deps torchvision-0.10.0+cu111-cp37-cp37m-win_amd64.whl pip install --no-deps torchaudio-0.9.0-cp37-cp37m-win_amd64.whl
Pycharm中GPU配置（torch,tensorflow）
XU_MAN_的博客
01-11 5468
1,PYTORCH对应它的GPU，tensorflo对应它的GPU，还是可以共用GPU 各自对应各自的GPU 2,多个CUDA和cuDNN可以在一个电脑上共存吗？ 可以，查看如下链接： https://blog.csdn.net/qq_27825451/article/details/89135592 3，虚拟环境中可以使用GPU吗？如何使用 python3环境搭建（利用Anaconda+pycharm搭建pytorchGPU） 参考文章 https://blog.csdn.net/weix
Pycharm远程运行指定GPU
weixin_45912366的博客
10-13 1424
pycharm指定GPU
PYCHARM调用GPU
最新发布
03-24
### 如何在 PyCharm 中配置和调用 GPU 加速 TensorFlow/PyTorch 为了实现 GPU 加速，需要完成以下几个方面的设置： #### 1. 安装 NVIDIA 驱动程序和 CUDA 工具包 确保计算机上已安装最新的 NVIDIA 显卡驱动程序以及兼容的 CUDA 和 cuDNN 版本。这些工具对于启用 GPU 支持至关重要[^1]。 #### 2. 安装支持 GPU 的框架版本 - **TensorFlow**: 使用 `pip` 或者 `conda` 来安装特定于 GPU 的 TensorFlow 版本。例如： ```bash pip install tensorflow-gpu==2.4.0 ``` 如果使用 Conda，则可以执行以下命令来创建环境并安装所需的库[^3]: ```bash conda create --name tensorflow python=3.8 conda activate tensorflow pip install tensorflow-gpu==2.4.0 ``` - **PyTorch**: 参考官方文档中的指令选择合适的版本进行安装[^2]。例如： ```bash pip install torch===1.7.1 torchvision===0.8.2 torchaudio===0.7.2 -f https://download.pytorch.org/whl/cu110/torch_stable.html ``` #### 3. 设置 PyCharm 环境 - 打开 PyCharm 并进入项目设置 (`File -> Settings`)。 - 导航至 `Project: [Your Project Name] -> Python Interpreter`。 - 添加或切换到已经配置好的虚拟环境或者 Conda 环境，其中包含了上述安装的支持 GPU 的库[^4]。 #### 4. 编写代码验证 GPU 是否可用 编写简单的脚本来测试 GPU 是否被成功识别。 ##### 对于 TensorFlow: ```python import tensorflow as tf print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU'))) if tf.test.is_gpu_available(): print("GPU is available and configured.") else: print("No GPU detected or not properly set up.") ``` ##### 对于 PyTorch: ```python import torch if torch.cuda.is_available(): device = torch.device("cuda") # a CUDA device object print(f"CUDA Device Count: {torch.cuda.device_count()}") print(f"Current CUDA Device: {torch.cuda.current_device()}") print(f"CUDA Device Name: {torch.cuda.get_device_name(device)}") else: print("No GPU detected or not properly set up.") ``` 如果以上代码能够正常检测到 GPU 设备，则说明配置已完成[^5]。 #### 5. 远程服务器上的 GPU 配置 (可选) 当本地机器无法满足需求时，可以通过 SSH 连接到远程服务器来进行开发工作。具体操作如下： - 利用 MobaXterm 或其他类似的客户端登录目标服务器； - 在服务器端重复前面提到的所有步骤以建立完整的 GPU 开发环境； - 将 PyCharm 配置为通过远程解释器访问该服务器上的资源。 --- ###
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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