Win10搭建深度学习环境(Pytorch1.7.1+cu110 ;Python3.7;Anaconda;CUDA12.2;显卡NVIDIA GeForce RTX 3060

Win10搭建深度学习环境(Pytorch1.7.1+cu110 ;Python3.7;Anaconda;CUDA12.2;显卡NVIDIA GeForce RTX 3060

请一定要相信我,按照我的步骤来绝对能成功搭建环境!!!
请一定要相信我,按照我的步骤来绝对能成功搭建环境!!!
请一定要相信我,按照我的步骤来绝对能成功搭建环境!!!

1. 下载conda

很简单找个教程傻瓜式安装就好。

2. conda安装python3.7

 conda create --name zerodce_env opencv  python=3.7

conda换源网上找一下很简单,强烈推荐清华源。

3. 安装 CUDA

cmd: nvidia-smi 可以看到我的CUDA版本是12.2。

在这里插入图片描述

在CUDA官网https://developer.nvidia.com/cuda-12.2-download-archive 下载对应的版本,Installer Type那选择 exe(local)。

在这里插入图片描述

下载之后直接一步一步安装。安装完以后cmd: nvcc -V 出现下图就是安装成功。

在这里插入图片描述

4. 安装cuDNN

cuDNN Archive | NVIDIA Developer 找下图对应的版本

在这里插入图片描述

5. pip安装相应版本的pytorch, torchvision, torchaudio

 pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

6. 验证是否安装pytorch成功

如下图 print(torch.cuda.is_available()) 输出 True 就成功了。

在这里插入图片描述

7. 代码验证

import time
import torch
import os

# 测试gpu计算耗时
A = torch.ones(5000, 5000).to('cuda')
B = torch.ones(5000, 5000).to('cuda')
print(A, B)
startTime2 = time.time()
for i in range(100):
    C = torch.matmul(A, B)
endTime2 = time.time()
print('gpu计算总时长:', round((endTime2 - startTime2) * 1000, 2), 'ms')
print()
# 测试cpu计算耗时
A = torch.ones(5000, 5000)
B = torch.ones(5000, 5000)
startTime1 = time.time()
for i in range(100):
    C = torch.matmul(A, B)
endTime1 = time.time()
print('cpu计算总时长:', round((endTime1 - startTime1) * 1000, 2), 'ms')

运行期间截图,CPU直接拉满。

在这里插入图片描述

从运行结果来看,可以看到GPU加速比CPU快了100倍。

在这里插入图片描述

  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    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 1
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

打赏作者

T1009∞

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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