我是 雪天鱼,一名FPGA爱好者,研究方向是FPGA架构探索和数字IC设计。
关注公众号【集成电路设计教程】,获取更多学习资料,并拉你进“IC设计交流群
”。
QQIC设计&FPGA&DL交流群
群号:866169462
。
原作者课程链接:https://www.bilibili.com/video/BV18b4y1J7a6?p=2
操作系统:Window11专业版
显卡:NVIDIA RTX 3060 Laptop GPU
一、Anaconda安装
之前已经写过对应的安装教程:PyTorch深度学习入门笔记(一)PyTorch环境配置及安装 https://blog.csdn.net/qq_44447544/article/details/122425322
二、CUDA安装
NVIDIA 控制面板 -> 左下角系统信息 ->组件 查看驱动所支持的 CUDA版本:
即支持 CUDA的最高版本为 11.6,但飞浆所支持的最高计算平台为 CUDA11.2,所以我就安装 11.2.2版本的了。
CUDA官方下载链接:https://developer.nvidia.com/cuda-toolkit-archive
选择操作系统相关信息,点击【Download】 开始下载,下载好后双击安装即可。
选择自定义安装,可自己选择组件,若已经安装过 VS,则可以取消该组件的安装,这里我都没有安装,所以直接下一步。
然后选中安装位置,这里我C盘是 1TB固态,所以我就直接按默认位置安装了。
然后是提示安装 Visual Studio,否则有些功能无法正常使用。
三、cudnn安装
cuda可以看做是一个工作台,而cudnn是基于cuda的深度学习加速库,想要在cuda上进行深度学习加速必须安装cudnn。
官网下载链接: https://developer.nvidia.com/zh-cn/cudnn
注册账号登录。
找个支持 CUDA11.2.2的 cuDNN,这里我下载 cuDNN v8.1.1版本
661MB,耐心等待即可。
下载好后解压即可,文件夹中有3个文件夹和一个文件:
复制粘贴到安装的CUDA文件夹里,默认位置是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2,遇到提示,为全部选择覆盖和替换。
输入 nvcc -V
,验证是否安装成功,出现下图所示信息即为安装成功。
四、Paddle 安装
打开飞浆官网:https://www.paddlepaddle.org.cn/
选择合适版本,复制安装命令。
先用创建虚拟环境,然后用 pip 安装 paddle
conda create -n paddle python=3.7
activate paddlea
python -m pip install paddlepaddle-gpu==2.2.2.post112 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html
安装完毕后,执行下列代码,检查是否可以成功调用 GPU资源。
python
import paddle
paddle.utils.run_check()
出现上图红框所示信息即表示环境配置成功。