MX350配置pytorch环境

最新推荐文章于 2023-10-18 22:53:26 发布
最新推荐文章于 2023-10-18 22:53:26 发布
阅读量2.6k 收藏 19
点赞数 4
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42595206/article/details/114310557
版权
本文档详细介绍了在拥有MX350显卡的电脑上配置CUDA 10.2、cuDNN及PyTorch的步骤。首先，通过NVIDIA官网下载适合MX350的CUDA版本，然后设置环境变量。接着，下载并安装cuDNN，将其文件复制到CUDA安装目录。最后，使用pip安装PyTorch，并验证GPU加速功能是否正常工作。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1.电脑基本环境

之前电脑里面下载的anaconda，显卡是MX350

2. 下载cuda

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员可以使用C语言来为CUDA™架构编写程序，C语言是应用最广泛的一种高级编程语言。所编写出的程序可以在支持CUDA™的处理器上以超高性能运行。CUDA3.0已经开始支持C++和FORTRAN。
我对cuda的理解就是cuda的作用就是可以让程序员直接操纵GPU，而不是利用CPU给GPU发送指令。
cuda的本版选择要看自己的显卡情况：
点击nvidia控制面板
在这里插入图片描述
点击左下角系统信息
在这里插入图片描述
找到合适cuda版本，我这里是10.2
在这里插入图片描述

  • 进入
最低0.47元/天 解锁文章
win10+MX350显卡+CUDA10.2+PyTorch 安装过程经验总结
weixin_52451351的博客
07-07 926
环境配置预览 联想小新Pro13 安装CUDA+cuDnn+PyTorch 参考(https://blog.csdn.net/m0_37867091/article/details/105788637) PyTorch下载方法问题、CUDA10.2自带samples的位置问题、Visual Studio 2019中CUDA模块缺失问题 1.PyTorch下载方法 ...
windows下pytorch深度学习环境配置 GeForce MX350
最新发布
qq_59456399的博客
07-16 594
安装了GPU环境即Anaconda、CUDA和CUDNN。
ubuntu 16.04和18.04下多种显卡安装
yiyayiya557的博客
05-07 482
参考文章： ubuntu 16.04 gtx1060 显卡安装【转】 https://blog.csdn.net/weixin_33722405/article/details/86444090 Ubuntu16.04 安装NVIDIA英伟达驱动教程 及常见几种报错Error的解决方案 https://blog.csdn.net/ksws0292756/article/details/79...
win10+MX350显卡+CUDA10.2+PyTorch 安装过程记录 深度学习环境配置
热门推荐
fun1024
04-27 3万+
深度学习环境配置PyTorch
windows10+MX350显卡+CUDA11.2+PyTorch 安装
weixin_50787641的博客
09-28 6713
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
STM32CubeMX的配置环境及基本使用过程
wyq20000的博客
01-07 1834
STM32CubeMX配置环境及基本使用过程 先安装java环境，再安装STMCubeMX 打开STMCubeMX，根据选用的芯片，安装相应拓展包： 按照芯片类型型打开芯片工程编辑界面 选好型号开始工程： 打开工程后，再System Core里选择SYS进行设置，根据采用的烧录方式选择串口 再RCC中选择MCU时钟工作方式，高速时钟选择晶振： 再进入clock configuration界面，调节分频倍频参数，使其中无红框出现： 基本使用操作： 操作方式有两种 1、是先选择引脚再选择该引脚功
小米笔记本Pro 2020款 显卡MX350 CUDA+cuDNN tensorflow-gpu安装
XerCis的博客
01-29 2773
安装Python>=3.6.2 CNDA 11.0 cuDNN，内含详细步骤和测试代码，已上传百度云盘
Win10+MX350+CUDA10.2+Python3.9配置Detectron2
qq_54809548的博客
10-18 1050
conda create -n 2pcnet python=3.9`（事先安装好Anaconda3）
小新pro13 (2020款，Nvidia MX350)+win10+cuda10.2+cudnn7.6+pytorch搭建深度学习环境
叙话代码
07-07 4267
机器说明： 小新pro13 2020款(事先说明，大家的本子一定要有独立显卡)，显卡升级为mx350,相对于mx250来讲档次上升了一个层次，但是对于Nvidia系列的显卡来讲，GTX系列的显卡比有着更加出色的性能，对于大型游戏（本人不太懂端游），和专业人员（比如视频剪辑，还有我们深度学习环境搭建）来讲有着很好的作用。前面我所说的MX350的性能归为入门级的显卡，性能接近于gtx系列中的gtx1050,有着2g的显存，这对于普通办公和娱乐的用户来讲，都能看上1080p的视频，是一个最基本的要求。而对于深度学
cuda pytorch 环境变量_win10+MX350显卡+CUDA10.2+PyTorch 安装过程记录 深度学习环境配置...
weixin_35455994的博客
01-13 490
环境配置预览联想小新15 2020 笔记本系统CPUGPUCUDAcuDNNPyTorchwin10i5-1035GMX350显存2GB10.2v7.6.51.51. 安装CUDA确认计算机的显卡型号：在设备管理器中查看GPU的型号，前提是你的计算机要有独显2. 确定显卡支持的CUDA版本：打开英伟达控制面板→帮助→系统信息→组件，查看CUDA版本 3. 到英伟达官网下载对应的CUDA版本。我下载...
体验笔记本MX350显卡配置深度学习环境（CUDA+tensorflow）
weixin_39107928的博客
04-21 9274
初衷：想要体验一下笔记本的GPU 于是开始搞起—— 环境 显卡：GeForce MX350 系统：WIN10 开始工作 一、CUDA的安装 1.查看显卡支持的CUDA版本，找到 NVIDIA控制面板-帮助-系统信息-组件 （注意：要根据自己的使用环境慎重选择！！如tensorflow2.3.0版本使用cuda10.1就好啦，不然有重装的风险。不过以身犯险也问题不大，重装不可怕haha，下面有针对重装的填坑之路~~ ） 根据需求，不超过这个版本就行。 2.到NVIDIA官网找到对应的CUDA版本。因为我要
win10 nvidia-mx350 tensorflow开发环境配置
朱晓海的博客
12-19 2722
买了台小米笔记本pro 15.x 2020版本，装ubuntu wsl2 为了使用一些linux命令，要启用wsl系统，使用跨环境powershell： #启用wsl dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart #启用虚拟机 dism.exe /online /enable-feature /featurename:VirtualMachinePlatform
MX350显卡+win10安装TensorFlow（anaconda下安装）
啾啾的博客
11-15 4423
环境配置： 系统 cpu gpu CUDA CUDNN win10 i5-10210U MX350显存2GB 10.2 v7.6.5 一、安装CUDA 1.确认计算机显卡型号： 在设备管理器（鼠标右键单击此电脑，选择管理，进入页面，即可在左侧看到设备管理器）中查看GPU的型号（有独显） 2.确定显卡支持的CUDA版本： 打开英伟达控制面板→帮助→系统信息→组件，查看CUDA版本 3.到英伟达官网...
深度学习环境配置(pytorch)
weixin_57003521的博客
04-23 3845
显卡是一个硬件，需要有一个驱动才能够被我们计算机识别出来，在安装驱动的时候，会随着驱动安装一个叫做cuda driver的东西，cuda是可以让显卡进行并行运算的一个平台，当我们的计算机想利用显卡做一些并行运算的时候，它就可以通过cuda driver去操作显卡。那为什么需要虚拟环境呢，一个直接的原因，例如我们一个项目要用pytorch开发，而另一个要用tensorflow开发，这样，我们可以创建两个虚拟环境，在里面分别安装pytorch和tensorflow，两个虚拟环境中的包和库不会互相冲突。
计算机专业mx330够用吗,mx330显卡是什么级别？
weixin_32987379的博客
06-28 8216
01中低端级别mx330显卡是属于中低端级别，mx330独立显卡相当于mx230差不多性能。mx330参数和mx250十分接近，只是频率提高了一点，CUDA运算单元都是384个，而mx350则是640个，可见性能上还是mx350更强。mx330显卡是中低端级别，与mx200系列相比，低端的GeForce mx330本质上看起来像是重新命名的GeForce mx250(25W版本)。它具有相同数量的...
计算机专业mx330够用吗,Nvidia GeForce MX330性能跑分和评测
weixin_35692916的博客
06-28 1万+
Nvidia GeForce MX330是用于笔记本计算机的低端显卡。 通常，您可以在中端多功能笔记本电脑型号中找到它。在性能方面，Nvidia GeForce MX330远远低于成熟的游戏级显卡，例如GeForce GTX和RTX系列的显卡。 但是，它比典型的基本集成图形处理器(例如您可以在许多笔记本电脑中找到的Intel UHD系列)快得多。 另一方面，MX330与某些更新和改进的集成图形处理...
win64系统（显卡GTX MX250）安装pytorch torch.is_available()结果为False解决办法
qq_43589891的博客
11-27 1108
最近要开始学习语音技术，因此要接触pytorch，先在自己的电脑上安装pytorch试试。 安装方法按照大多数的教程一样，使用清华镜像源，可以非常快速的进行pytorch的安装以及cuda安装。具体可以参考：pytorch快速安装【清华源】 然后在anaconda的命令行中输入相应代码，一切都很好，可以正常导入torch，但就是torch.cuda.is_available()返回结果为False，疯狂百度，发现自己下载下来的cuda是cpu版本的（还有一个可能是自己的独立显卡驱动没有更新到最新版本，可我还
win10+MX350+CUDA+TensorFlow 安装
jackrma的博客
12-23 4934
本人电脑小新pro13 ，显卡MX350 （结论在最后，过程可以跳过） 之前只用过CPU跑TensorFlow,速度太慢了，想尝试下用自带的显卡跑 刚开始参考过这个帖子https://blog.csdn.net/m0_37867091/article/details/105788637，但是他是跑PyTorch，我目前只涉及TensorFlow。 按照他的方法，安装配置是CUDA v10.2 ,cuDNN v7.6.5。 但是安装完成后才发现，目前TensorFlow官方只支持CUDA v10.1
GeForce MX150显卡+Ubuntu16.04安装NVIDIA驱动+CUDA9.0+cuDNN7.0.5
lukaslong的博客
08-07 2万+
博主用的是小米笔记本Pro，一直以为MX150显卡是不支持CUDA的，都已经在看游戏本了，没报任何希望地搜了搜MX150+CUDA的网页，看到有些人说英伟达已经为MX50提供了CUDA的支持，喜大普奔啊。。。。 这里安装的是NVIDIA-Linux-x86_64-390.77.run + CUDA9.0 + cuDNN7.0.5 1. 安装驱动 1.1 前言： 这里下载了最新的390.77...
mx350安装pytorch_gpu
07-28
要在 mx350 上安装 PyTorch GPU 版本，需要执行以下步骤： 1. 确保你已经安装了适用于 mx350 的 NVIDIA 显卡驱动程序。你可以从 NVIDIA 官方网站下载并安装最新的驱动程序。 2. 安装 CUDA 工具包。访问 NVIDIA 的开发者网站，下载与你的显卡和操作系统兼容的 CUDA 版本，并按照它们的安装指南进行安装。 3. 安装 cuDNN 库。cuDNN 是一个用于深度神经网络的加速库，PyTorch GPU 版本需要它来提供更好的性能。你可以从 NVIDIA 开发者网站下载 cuDNN，并按照其安装指南进行安装。 4. 创建并激活一个 Python 虚拟环境（可选）。虚拟环境可以帮助你隔离不同的 Python 环境，并确保安装的软件包不会相互干扰。你可以使用 virtualenv 或者 conda 来创建虚拟环境。 5. 使用 pip 或者 conda 安装 PyTorch GPU 版本。打开终端或者命令提示符，运行以下命令来安装 PyTorch： 使用 pip： ``` pip install torch torchvision ``` 使用 conda： ``` conda install pytorch torchvision cudatoolkit=<your_cudatoolkit_version> ``` 注意替换 `<your_cudatoolkit_version>` 为你安装的 CUDA 工具包版本。 完成上述步骤后，你就可以在 mx350 上使用 PyTorch GPU 版本了。你可以通过导入 torch 库来验证它是否正确安装： ```python import torch print(torch.cuda.is_available()) ``` 如果输出为 True，则说明 PyTorch GPU 版本已经成功安装并可以使用 mx350 的 GPU 进行加速。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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