cuda+pytorch/tensorflow安装示例

安装cuda10.1-cudnn-pytorch

Windows平台

1. 安装vs2015-update3（已安装了vs2013或更高版本直接安装即可）

2. cuda 10.1，自定义安装–>自选目录，完成安装，vs插件集成
   

3. 环境变量设置

验证安装成功：cmd输入

nvcc -V
nvcc: NVIDIA (R) Cuda compiler driverCopyright (c) 2005-2019 NVIDIA CorporationBuilt on Sun_Jul_28_19:12:52_Pacific_Daylight_Time_2019Cuda compilation tools, release 10.1, V10.1.243

再检查：CUDA_PATH\extras\demo_suite\deviceQuery.exe

出现以下画面为GPU调用正常

出现以下则不正常，确认驱动版本：

cudaGetDeviceCount returned 38
-> no CUDA-capable device is detected
Result = FAIL

4. 与cuda10.1匹配的cuDNN

   

   解压后的目录对应放入cuda中，bin->CUDA_BIN，include->CUDA_include，lib->CUDA_lib

5. 安装anaconda

6. git: Git-2.21.0-64-bit

7. 安装pytorch-gpu
   

   在Anaconda Prompt中运行，结果pytorch下载过于缓慢，直接抽取其中的url下载链接下载，然后本地安装

conda install --use-local D:\Anaconda3\pkgs\pytorch-1.3.1-py3.6_cuda101_cudnn7_0.tar.bz2

还需要安装其他的组件：

conda install torchvision cudatoolkit=10.1

验证安装：

from __future__ import print_function
import torch
x = torch.rand(5, 3)
print(x)
> tensor([[0.3380, 0.3845, 0.3217],    [0.8337, 0.9050, 0.2650],    [0.2979, 0.7141, 0.9069],    [0.1449, 0.1132, 0.1375],    [0.4675, 0.3947, 0.1426]])

验证cuda：(tensorflow的验证下翻)

import torch
torch.cuda.is_available()
> True 

8. opencv等

conda install -c conda-forge opencv

import cv2 # 无报错->成功

---

Tensorflow1.14与cuda10.0匹配

cuda10.0的安装相同，可以和10.1共存，只是CUDA_PATH不一样

安装10.0和10.1两个版本，安装时tf时，先修改CUDA_PATH为10.0的地址

keras:

conda activate tf1.14
conda install tensorflow-gpu=1.14.0
# 这里python3.7环境conda中没有源
pip install keras==2.1.3
python

import keras
import tensorflow
print(keras.__version__)
print(tensorflow.__version__)

Tips：

如果遇到failed call to cuInit，检查cudnn和cuda的匹配版本

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

针对tensorflow