1.查看本机支持的最高CUDA版本:
命令提示符 - cmd - nvidia-smi
2.根据项目需求,下载CUDA:
https://developer.nvidia.com/cuda-toolkit-archive
3.下载与CUDA对应的cuDNN:
https://developer.nvidia.com/rdp/cudnn-archive
4.解压cuDNN,并把解压文件直接复制到CUDA文件夹中。然后开始CUDA的电脑环境变量设置(参考:https://zhuanlan.zhihu.com/p/412394023)
5.创建环境并激活:
conda create –n 名字 python=3.7
activate 名字
6.安装pytorch-gpu,寻找对应CUDA的torch版本:
https://pytorch.org/get-started/previous-versions/
例如:# CUDA 11.0 pip install torch1.7.1+cu110 torchvision0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
7.两种安装requirements.txt文件的方法:
①requirements.txt路径是将文件放在桌面的路径:pip install -r C:\Users\33232\Desktop\requirements.txt 、
②使用pycharm terminal安装:pip install -r requirements.txt
8.更换源:
9.下载TensorFlow-GP(TF版本要与CUDA和cuDNN版本对应:https://tensorflow.google.cn/install/source_windows#gpu)
pip install tensorflow-gpu==2.4.0 -i https://mirrors.alilyun.com/pypi/simple/