笔记本电脑自带2块显卡,并且不同牌子的。先我想安装cuda去启动其中一块NVIDA的GPU,就必须要知道它支持什么版本的cuda
NVIDIA GeForce MX150 是否支持cuda
在Nvidia的支持CUDA的GPU的list上,没有找到这个型号的GPU.https://developer.nvidia.com/cuda-gpus
但是在MX150的产品页上看到的是MX150支持CUDA:
https://www.geforce.com/hardware/notebook-gpus/geforce-mx150/specifications
查看Nvidia支持的CUDA版本
一般NVIDA的GPU才支持CUDA,所以需要查看显卡是否支持CUDA及支持的版本。
- 右击桌面,选择NVIDIA控制面板—>系统信息,在组件中就可以看到自己电脑的Nvidia支持的CUDA版本。
cuda的下载与安装
nvidia驱动与cuda不同: NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦!CUDA是NVIDIA推出的用于自家GPU的并行计算框架,也就是说CUDA只能在NVIDIA的GPU上运行,而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。
1. 下载cuda10.2和cudnn
cuda: https://www.nvidia.cn/Download/index.aspx?lang=cn
以前的版本:https://developer.nvidia.com/cuda-toolkit-archive
cudnn:
https://developer.nvidia.com/rdp/cudnn-download
CUDA与CUDNN的关系: 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。cuDNN是用于深度神经网络的GPU加速库。CUDA看作是一个工作台,上面配有很多工具,如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库,有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具,比如它就是个扳手。但是CUDA这个工作台买来的时候,并没有送扳手。想在CUDA上运行深度神经网络,就要安装cudnn,就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作,工作速度相较CPU快很多。
2.安装cuda
择自定义安装,可以选择安装驱动,覆盖本机的驱动
不要选cuda–>Visual Studio Integration,即使选了也不能成功安装
由于我电脑之前安装了cuda9.0的版本,但是显卡要求是cuda10.2的。现在安装的版本比之前的高,所以选择。如果不覆盖安装,之后电脑会频繁蓝屏或死机。
记住安装位置,配置环境时需要
安装完成后配置环境,有些路径是安装成功后自动添加的:
Path需要手动添加如下路径,对应上一步的安装路径:
3.安装cudnn
将下载的cudnn文件解压
将解压的三个文件bin,include,lib里面的内容分别复制cuda的安装目录里面相应的文件中。
4.验证
在pycharm中调用cuda去编码的时候,发现第二块显卡确实被调用起来了。