安装GPU版本的MXNET需要NVIDIA系列的显卡,以及CUDA和cuDNN的安装。如果觉得下载CUDA和cuDNN麻烦的话,可以直接使用我的版本,CUDA9.0 + cudnn-9.0-windows10-x64-v7.6.4.38,百度云链接为链接:链接:https://pan.baidu.com/s/1vmhS7k6C_zjI9bJkW2iN6Q
提取码:asug
一、CUDA的安装
CUDA下载地址:CUDA Toolkit | NVIDIA Developer
WIN10使用CUDA9.0版本即可,默认安装C盘。
PS:兼容性检测报警告可以不理会,大概率是因为自身的NVIDIA显卡支持的CUDA版本较高而我们安装的CUDA版本较低。
二、cuDNN的安装
现在要下载cuDNN,点击下载的页面后都是出现要求先加入Nvidia developers会员才能进行下载,但这个注册的过程非常慢,我们可以绕过这个注册或登陆步骤的方式直接下载cuDNN。
首先打开cuDNN各个版本的下载网址:cuDNN Archive | NVIDIA Developer
然后选择自己想要下载的cuDNN版本,比如我选择的是cuDNN v7.6.5 for CUDA 9.0,选择WIN10版本,右键复制链接地址https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/9.0_20191031/cudnn-9.0-windows10-x64-v7.6.5.32.zip,然后迅雷下载。
cuDNN压缩包解压后,将所有的文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0目录下即可。
三、测试CUDA和cuDNN是否安装成功
WIN + R打开CMD,输入nvcc -V,如图所示即为安装成功。
然后在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite目录下输入cmd进入命令提示符,测试bandwidthTest.exe
和deviceQuery.exe,如果得到两个RESULT = PASS则表示安装成功。
四、安装GPU版本的MXNET
首先卸载CPU版本的mxnet,然后pip install mxnet-cu90mkl,这样就可以同时使用CPU版本和GPU版本的MXnet了。
五、测试MXNET安装成功
import mxnet as mx
from mxnet import nd
# 简单的展示gpu配置成功
print(mx.cpu(), mx.gpu())
# NDArray在CPU上运算
x_cpu = nd.array([1, 2, 3])
print(x_cpu) # NDArray默认在CPU上 也就是物理内存上分配
print(x_cpu.context) # 通过context来查看NDArray所在的设备
# NDArray在GPU上运算
x_gpu = nd.array([1, 2, 3], ctx=mx.gpu())
print(x_gpu) # NDArray默认在CPU上 也就是物理内存上分配
print(x_gpu.context) # 通过context来查看NDArray所在的设备
输出结果即为成功