前言
我们都知道,CUDA和cuDNN是用来加速深度学习计算的,那么怎么在Windows上面安装CUDA以及cuDNN呢?
准备阶段
1 自己电脑上应该有Nvidia显卡,显存最好8G或者8G以上,当然4G或者6G也行,只不过就是Batch size 设置小一点
2 查看Nvidia显卡版本,一般Windows上有显卡的话,显卡驱动都是自动安装的,所以我们可以通过命令行,然后输入Nvidia-smi来查看自己电脑上的驱动版本:
这里我的显卡驱动版本是432.0 ,CUDA版本为10.1,这里 需要注意下,如果您的GPU在这里已经提示了CUDA Version版本,您需要在系统盘下的C:\Program Files 和 C:\Program Files (x86) 找找有没有CUDA相关的文件夹存在,如果有的话,就不用重新安装了,如果没有的话,需要手动进行安装,这里我也不确定通过nvidia-smi查看前,是否显卡已经预装了CUDA,查阅了一些资料,貌似这个查出来的版本是指该显卡支持的最高的CUDA版本,原文链接
安装CUDA ToolKit
选择合适的版本进入,按照以下方式选择
下载后安装
1 同意安装
2 选择自定义
3 默认所有组件,下一步
4 记住这里的安装路径,可以自行改变,我这里由于使用的固态,所以默认就在C盘了
5 开始安装
开始安装cuDNN
注意这里需要你有个Nvidia的账号使用自己的Email注册就行
下载结束后,解压
将这三个文件夹的内容复制到之前提示你记得三个路径,其实没改过的话默认是
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
将cudnn文件夹里三个文件里的内容复制到上面文件里相同名字的文件夹下,即可。
CUDA环境变量
这个会自动生成
再在环境变量中添加以下路径:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp
也有可能在系统路径中已经有了这些路径,就不用添加了
这就装好了CUDA和cuDNN,这就可以后续的实验了,也可以查看cuDNN版本
记事本打开
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include\cudnn.h
可以看到版本号
Pytorch
点击进入
可以下载对应CUDA10.1版本的pytorch的whl文件进行安装,因为CUDA 10.1版本在Pytorch官网上是没有的,
cu后为cuda版本,torch后为torch版本,torchvision后为torchvision版本,cp后为python版本,最后面代表windows64位