CUDA介绍:
GPU包含许多计算内核,能以高度并行的方式运行一些计算。最初,它们被设计用来加速计算机图形计算,现在越来越多地被用于加速机器学习计算。
CUDA是NVIDIA针对GPU加速计算而开发的编程框架。通过
PyTorch可以很方便地使用CUDA,无须过多地改变代码。
在简单的基准测试中,如矩阵乘法,GPU的速度超过CPU150倍。
在单个计算上,GPU可能比CPU慢。这是因为在CPU之间和在GPU之间的数据传送同样耗时。如果数据量不足以分配给多个内核,GPU的优势便无法得到发挥。
CUDA安装步骤
第一步,确保电脑拥有英伟达显卡,并查询显卡算力https://developer.nvidia.cn/zh-cn/cuda-gpus
第二步,安装Visual Studio,因为安装CUDA过程中需要。
第三步,去英伟达官网下载对应CUDA,CUDA Toolkit Archive | NVIDIA Developer
第四步,下载CUDnn,因为我的CUDA要用在python上。cuDNN Archive | NVIDIA Developer
第五步,确认电脑驱动版本,一般大于450。(一般都是满足的)
第六步,自定义安装,可以更改安装文件夹,文件夹名字最好取的和默认的一样,只是移动到其他盘。
第七步,解压cudnn,复制文件到cuda安装文件夹。
安装成功
测试CUDA是否可用
已经安装了对应版本的pytorch,在python中写入如下测试代码。
if torch.cuda.is_available():
torch.set_default_tensor_type(torch.cuda.FloatTensor)
print("using cuda:", torch.cuda.get_device_name(0))
pass
device = torch.device("cuda" if torch.cuda.is_available()
else "cpu")
device
检查的语句是
torch.cuda.is_available()
。如果设备可用,我们将默认的数据类型设为torch.cuda.FloatTensor
。然后,我们打印出
CUDA
找到的设备名。