深度学习配置入门

之前用另win10下安装pytorch 1.8_SOT3513909404的博客-CSDN博客一个小号写过一些类似文章，这次想合并下。

win10下安装pytorch 1.8_SOT3513909404的博客-CSDN博客 

Windows配置Paddle(Pip安装)_SOT3513909404的博客-CSDN博客

0.使⽤ nvidia-smi 命令查询显卡驱动是否正确安装
  

 

1. CUDA安装

根据自己的需求选择版本，英伟达官网下载地址 ，本文使用的CUDA10.2

如果你使用的是安培架构的GPU，推荐使用CUDA11.2。
如果你使用的是非安培架构的GPU，推荐使用CUDA10.2，性能更优。

2. cuDNN

2.1 下载cudnn时，会要求注册，由于官网很卡顿，多次注册都失败，所以这里直接打开下载链接 cudnn. 然后在需要下载的条目里右击，复制下载链接，然后在迅雷中下载。参考文章

2.2 安装&配置cudnn，是按照官网要求做的https://docs.nvidia.com/deeplearning/cudnn/install-guide/#install-windows

3. 添加环境变量Path

需要手动添加如下路径，对应上一步的安装路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64

4. 测试是否成功

4.1然后输入nvcc -V查看

4.2 cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite
输入执行bandwidthTest.exe 和deviceQuery.exe

 

5.Pytorch安装

4.1 pytorch whl镜像地址

4.2 更加推荐此种方式，由于pypi没有找到0.7.0 cuda版本的torchvision 因此在这里下载 

笔者此处安装的是pytorch==1.6  。后来装了K40c（sm35），因pytorch算力支持3.5以上的，所以需要降低pytorch版本

#下载后离线安装  

conda install --offline pytorch-1.8.1-py3.8_cuda10.2_cudnn7_0.tar.bz2

再安装相应的torchvision==0.7.0、opencv-python==4.2.0.32， tensorboard==1.15.0

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

6. tensorflow安装

5.1. 首先确认python cuda tf 的版本关系，参见官网(windows环境下)。

5.2. 安装tensorflow_gpu-2.1.0版本

由于cuda是10.2，根据官网的解释是不兼容的。需要如下操作：

把cuda安装目录bin文件夹下的cudart64_102.dll文件复制一份重命名为cudart64_101.dll

#测试
import tensorflow as tf
print("tf version:", tf.__version__)
print(tf.test.is_gpu_available())

Tip

推荐conda安装，官网地址