使用nvidia-smi命令查看显卡信息

安装:

  1、先安装tensorflow-gpu,需要查看对应的版本,通过pycharm运行程序时会报错,提示需要安装CUDA,且会指明需要版本号

  >> pip install tensorflow-gpu

  2、下载安装CUDA软件,选择相应的版本及操作系统,下载并安装;

  CUDA下载地址: https://developer.nvidia.com/cuda-downloads

  3、下载cuDNN库,开始需要注册等基本信息,下载并解压,将解压后的bin, include, lib三个文件夹拷贝到CUDA目录下,

  我的安装目录为:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

  cuDNN下载地址: https://developer.nvidia.com/cudnn

  然后再使用pycharm跑程序,再第一次时很慢,后面就快了

查看:

  1、在cmd中使用命令 nvcc -V可查看cuda版本

  2、在cmd命令中nvidia-smi可查看gpu使用情况,如果不能识别命令,需要设置Path变量,我的目录为: C:\Program Files\NVIDIA Corporation\NVSMI

下图是跑程序时的截图,对比cpu跑,速度快多了,因为我的笔记本是游戏型的,cpu差一点,显卡好一些。

 

 

引用:https://www.cnblogs.com/TheoryDance/p/9573299.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 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
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