Anconda中快速部署cuda和cudnn

对应的B站讲解视频在这里:B站讲解视频
上一篇博客介绍了在本地部署GPU的方法,但是真正实践时存在很多问题,运行代码时依旧不能使用。
这里介绍一个使用conda在虚拟环境部署cuda的方法,高校便捷的让你使用gpu加速训练代码。话不多说,开始上步骤。
不管是miniconda还是anaconda都可以。
首先在命令行输入

conda create -n gpu python=3.7 cudatoolkit=11.3 cudnn

这是创建虚拟环境的第一条命令。其中需要注意的是python的环境。由于我的电脑30系显卡,所以安装的cuda的版本要大于11,好像有个代码可以查看环境里能安装的cuda版本,忘记了。我的电脑没有11.2的,所以安装11.3的。另外记住是cudatoolkit。另外cudnn的版本不需要指定,系统会自动适配。
其实问题大多出现在版本上,大家结合自己电脑尽量选择合适版本(python、cudatoolkit)。
接着我们分别安装TensorFlowpytorch
TensorFlow的版本我们看这个网址进行匹配:添加链接描述
像cuda11.3版本直接匹配tf的最高版本,安装时不指定版本号就行。

pip install tensorFlow -i https://mirrors.aliyun.com/pypi/simple/
#依次输入以下命令,每次命令输入完按回车
python
import tensorflow as tf
tf.test.gpu.is_available()

如果输出True就成功了!,如果输出False就是使用gpu失败。

pytorch的版本及安装命令看这个网址:https://pytorch.org/
进入网址后通过选择不同的配置,最后一行会显示给你的安装命令
在这里插入图片描述
我配置完是这个命令,直接在命令行输入就行了。
测试:
在这里插入图片描述
这就是torch测试的完整命令。此时我们通过新建一个cmd窗口看看gpu的使用情况。输入nvidia-smi
在这里插入图片描述
可以看到最下面是python在使用。

另外补充一下,如何在代码里使用cuda。
使用cuda只需要三个地方。模型,损失函数和数据。下面是示例图片。
这是模型和损失函数

这是真实数据读取
结束!

  • 0
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“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
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

打赏作者

该起个什么昵称

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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