环境:Win10
CUDA:11.2
cuDNN:8.1.0
CUDA11.2安装以及cuDNN8.1.0配置
版本对应
NVIDIA官网给出的官方信息
所有能安装配置的前提是电脑拥有NVIDIA显卡(N卡),需要根据显卡的驱动信息选择对应的版本!
查驱动版本
打开NVIDIA控制面板,查看面板中的系统信息,检查驱动版本。
也可以直接cmd命令行输入:nvidia-smi
一、安装CUDA 11.2
等待下载完成,NVIDIA因为是外网所以下载速度…真的是太慢了,但是你如果…“科学上网一下”会好很多…
下载完成后是一个exe文件,双击打开
我安装的是默认路径,点击 OK
等待初始化
点击 同意并继续(A)
接下来选择自定义安装,点击 下一步(有些东西我感觉不会用到,所以就自定义安装了)
下一步选择想要安装的组件,因为我没有用过Visual Studio,所以去掉visual studio integration这一组件,Nsight我也不需要,这里解释一下,Visual Studio,Nsight都是CUDA C的IDE,如果不用的话可以都不用安装,我用的是Pycharm和Dev-C++,所以我就没装。
这里直接默认,点击 下一步(N)即可
请注意:这里显示的是CUDA真正的安装位置
等待安装完成
安装完成,点击 关闭
安装完成,点击 下一步(N)
安装完成,点击 关闭©
打开cmd,输入nvcc -V
验证安装是否成功,显示CUDA版本信息,说明CUDA安装成功
二、配置cuDNN 8.1.0
cuDNN是基于CUDA的深度学习GPU加速库。cuDNN是专门为深度学习算法服务的。同一个深度学习算法用cuDNN+CUDA实现相比直接CUDA实现效率更高,运行速度更快,资源消耗更少。
1.下载包(前提需要注册一个免费的NVIDIA)
注册账号就不多说了,直接注册就行,也可以直接微信扫码注册!
NVIDIA官网下载cuDNN: https://developer.nvidia.com/rdp/cudnn-archive
选择合适的版本
之后就会让你登录!注册一个账号,登陆即可
看到最上方有一个蓝条,就可以下载了
2.解压缩,复制文件
现在完成后是一个zip文件,需要解压缩
解压缩后得到三个文件夹,如下所示:
将解压后得到的的 bin ,include 和 lib 文件夹分别复制到 CUDA安装路径下 与CUDA的bin ,include 和lib文件夹合并。(相应文件夹下的文件复制粘贴)
测试安装是否成功,运行CUDA的官方示例,在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite路径下打开cmd(路径除CUDA版本外大致相同),运行.\deviceQuery.exe
显示如下结果说明安装成功:
深度学习框架环境安装:
PyTorch 、Tensorflow、安装
深度学习框架安装: