一、前言
windows10 版本安装 CUDA ,首先需要下载两个安装包
- CUDA toolkit(toolkit就是指工具包)
- cuDNN
注:cuDNN 是用于配置深度学习使用
二、准备工作
要使用GPU加速,首先就要去安装CUDA和cuDNN。 首先 要看一下你的电脑的显卡对应的是哪个版本的CUDA,千万不要下错了,不然运行不了的。 查看方法很多,网上都很容易搜得到,这里介绍其中一种: 在终端输入
nvidia-smi
就可以查看自己的显卡对应哪个版本。我电脑的是GTX 1650,对应的是CUDA 11.6
(1)在图片的第一行显示的是GPU显卡的计算能力及CUDA版本信息; (2)在图片的中间显示的是GPU占用情况,即845MiB/4096MiB和后面显示的3%;
三、开始下载
(1)找好对应的版本后,就去下载,可以使用以下链接找到 CUDA 工具包、GPU 计算 SDK、文档和开发人员驱动程序的早期版本。https://developer.nvidia.com/cuda-toolkit-archive
进去后选择相应的版本和电脑信息。这里选择本地安装,也就是将安装包下下来,在线安装容易受网络影响。这个网址没有被墙,可以正常访问,下载速度也是可以的。
一般是驱动版本决定了能用的CUDA版本的上限,比如新版的显卡驱动可以支持老的CUDA runtime。但是老的显卡可能无法更新到最新的显卡驱动,比如Fermi显卡只能装到391驱动,因此只能用到CUDA9.1。
(2)下载CUDA的同时,来看一下cuDNN吧。不过要注意的是,我们需要注册一个账号,才可以进入到下载界面。大家可以放心注册的。 这个也要注意版本的对应。每个版本的cuDNN后面都会写明其对应的CUDA版本,选择相应的版本下载就好。 给出网址:
https://developer.nvidia.com/rdp/cudnn-download
四、 CUDA 安装与配置过程
启动exe文件,会让你选择一个目录地址,这个只是文件的解压目录 ,并不是安装的目录,在安装完成之后会被自动删除 ,这里根据自己的情况选一下就好了。(推荐默认路径)
选择自定义安装的方法。然后勾选,不要选Visual Studio Integration,即使选了也不能成功安装。
点击下一步,就会选择安装路径,建议安在C盘。这里最好记住这里的三个路径,后面会用得到。然后点击下一步,让它安装就好了。
这里已经自动配好了环境变量
安装完成之后,就 安装cuDNN ,这个很简单,是插入式安装。把文件解压,然后把里面的三个文件夹里的文件(注意,是文件)复制到CUDA安装文件夹(就是上面的 CUDA Development 的那个安装路径下)的对应文件夹内。
cuDNN 解压缩后的文件
CUDA 安装目录文件: 拷贝时看到,CUDA 的安装目录中,有和 cuDNN 解压缩后的同名文件夹,这里注意,不需要担心,直接复制即可。cuDNN 解压缩后的同名文件夹中的配置文件会添加到 CUDA安装目录中的同名文件夹中。
到这里,就安装完了,可以 测试 一下是否安装成功。
进入到上面的安装文件夹下的 extra/demo_suit 文件夹(如:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite)下,然后在地址栏输入 cmd,打开命名提示行。运行 bandwidthTest.exe 和 deviceQuery.exe ,结果如下,得到两个 PASS,就基本是安装成功了。
5、可能出现的问题
虽然安装好了两个文件,但是当我训练的时候显示用的还是cpu,
如果你遇到这个问题,不用担心你的步骤是不是错了,因为你被 conda 镜像安装给坑了。 你以为下载的是GPU版本,其实镜像下载的是cpu版本你必须手动去官网用pip下载安装 。
import torch
print(torch.cuda.is_available())
print(torch.__version__)
安装完毕:
再来运行下:
import torch
print(torch.cuda.is_available())
print(torch.__version__)
#using cuda:0 device.
#True
#1.11.0+cu113