计算机视觉环境配置
1.cuda和cudnn
首先需要根据电脑显卡的版本来选择对应版本的cuda和cudnn。
1)Windows下查看GPU型号,驱动版本,CUDA版本的方法:
命令行输入nvidia-smi
这里的显卡型号为GeForce MX150,驱动版本为441.22,CUDA版本为10.2
2)根据显卡驱动版本号选择对应的CUDA版本号
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
下载合适版本的CUDA并安装
双击下载好的CUDA安装包进行安装
安装成功后可以看到:
验证是否安装成功:
命令行输入nvcc -V,如果输出如下所示则已正确安装:
3)根据cuda版本号选择对应的cudnn
https://developer.nvidia.com/rdp/cudnn-download
cuDNN是
解压缩我们下载的CuDnn文件,得到3个文件夹:bin, include, lib。如下图所示,将这个三个文件夹复制到“C:\ProgramData\NVIDIA GPU Computing Toolkit\v8.0”。
2.Anaconda
官网安装Anaconda:https://www.anaconda.com/products/individual/get-started
3.配置Anaconda源
查看当前anaconda源:
conda config --show channels
添加清华镜像源:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
4.Anaconda虚拟环境
新建虚拟环境:conda create -n your_env_name python=X.X(2.7、3.6等)命令创建python版本为X.X、名字为your_env_name的虚拟环境。
your_env_name文件可以在Anaconda安装目录envs文件下找到
5.python,pytorch和torchvision
根据具体项目需要选择python版本,pytorch版本和torchvision版本
安装anaconda之后,可以使用conda命令在虚拟环境中安装python,pytorch和torchvision
不同系统中安装pytorch,torchvision对应版本命令参照链接HERE
6.一些补充
NVIDIA显卡算力
https://developer.nvidia.com/cuda-gpus
https://developer.nvidia.com/zh-cn/cuda-gpus
https://developer.nvidia.com/cuda-legacy-gpus
GeForce 940M 5.0
GeForce GTX 1080 Ti 6.1
GeForce GTX 1080 6.1
NVIDIA V100 7.0
GeForce RTX 3070 8.6
查看CUDA版本
nvcc -V
下载NVIDIA驱动
https://www.nvidia.com/Download/index.aspx
https://www.nvidia.cn/Download/index.aspx
查看驱动与CUDA版本对应
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
下载CUDA
https://developer.nvidia.com/cuda-downloads
https://developer.nvidia.com/zh-cn/cuda-downloads
https://developer.nvidia.com/cuda-toolkit-archive
下载cuDNN
https://developer.nvidia.com/cudnn
https://developer.nvidia.com/zh-cn/cudnn
https://developer.nvidia.com/rdp/cudnn-archive
显卡类型决定驱动版本,驱动版本决定CUDA版本,CUDA版本与cuDNN版本没有对应关系,比较新的cuDNN会对好多CUDA版本做适配。
显卡驱动越新,支持的CUDA越高,可以先升级显卡驱动。
然后去下载支持的CUDA安装包并安装,注意自定义安装需要有所取舍。
比如安装到 E:\NVIDIA CUDA\v11.1
然后去下载cuDNN,解压复制到上述路径