深度学习-GPU环境配置要点

一、准备Nvida系列的显卡或加速卡的PC环境、

1.1 了解深度学习工具和平台版本对应关系；如果时CPU运算，则无所谓；

二、安装cuda+cuDNN+深度学习工具，cuda版本不是越高越好，以百度Paddle为例，Cuda最高支持到Cuda11.7；

2.1 安装cuda，参考Nvidia官网链接CUDA Toolkit Archive | NVIDIA Developer，下载cuda11.7，选择下载历史版本

 

2.2 下载cuDDN，这是一个cuda插件，大部分需要深度学习框架依赖cuDDN，下载后，直接解压到cuda目录中；参考Nvidia官网链接，下载cuDDN；cuDNN Archive | NVIDIA Developer，务必下载cuda对应的版本

解压目录参考：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7

三、安装深度学习框架

以百度Paddle为例，windows环境下，就不要用Docker方式了，非常不方便，后面的文章中说道说道；

Conda安装：

conda install paddlepaddle-gpu==2.4.2 cudatoolkit=11.7 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ -c conda-forge

python -m pip install paddlepaddle-gpu==2.4.2.post117 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.htm

四、以上结束后，基本完成环境的深度学习的环境配置；

你可能还会遇到不少细节问题，

4.1 推荐安装miniconda，用于管理python版本；多深度学习框架时需要

4.2 缺少深度学习zlib库，需要去nvdia官网下载；见我的另外一篇文章

五、环境就绪，开始GPU加速下的深度学习之旅