【飞桨】win10-paddle-GPU环境配置

飞桨-paddle-GPU环境配置

1.新建环境

为了排除环境问题，咱们先新建一个环境： 打开anaconda Prompt (不知道jie个si啥的安装一下anaconda)，输入

conda create -n paddle_gpu python=3.6
-n, --name 参数指定环境名称 python=3.6 的意思是指定Python版本为3.6

插一句，如果conda下载对应的包贼慢的话，可以换一下源，这里实例为换清华源：

(base) C:\Users\user> conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
(base) C:\Users\user> conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
(base) C:\Users\user> conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

设置搜索时显示通道地址

(base) C:\Users\user> conda config --set show_channel_urls yes
大家也可以根据情况更换百度源，阿里云源等

新环境准备完毕后，激活就可以：

(base) C:\Users\user>conda activate paddle_gpu

(paddle_gpu) C:\Users\user>

2.cuda安装

在进行下一步之前，我们需要安装cuda和cudnn

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。
点击这个下载链接：https://developer.nvidia.com/cuda-downloads

(应该没有不是win10系统的老铁吧?）

可以右键，复制链接，然后用某雷下载，可以看到速度还kuo以

就是这个链接：
https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda_10.0.130_411.31_win10

选择一个cuda的临时解压路径

等待解压结束 (我这三年前买的电脑，还挺慢的…)

再等一会儿…

推荐选择自定义，如果想选择全家桶也可以(多半用不到)

这个 visual studio integration 也可以不选： (此图片摘自博客：https://blog.csdn.net/XunCiy/article/details/89070315)

推荐换个地方安装：

电风扇又要吹一会儿了…(安装过程中可能屏幕有闪烁，不要慌问题不大)

安装完毕后，测试一下吧，win+R 输入cmd，在cmd中输入 nvcc -V OKOK，安装成功：

也可以从环境变量中检查：

在这里插入图片描述

3.CUDNN的安装

NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。

这是下载地址：https://developer.nvidia.com/rdp/cudnn-download

这里的话，得注册一下

注册并填了一个问卷之后，点击同意：

记住后边一定是 for CUDA10.0 或者 for CUDA9.0，别的可不行啊（当前版本是这样的）

和刚才一样，右键复制链接，扔到某雷中下载：
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.0_20191031/cudnn-10.0-windows10-x64-v7.6.5.32.zip
下载完毕后，将其解压缩，里面有三个文件夹：

将这三个文件夹的内容分别放到之前CUDA的文件夹对应的目录中：

(就是将解压后得到的的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)

到此为止，需要重启一下电脑，因为环境变量的设置，在window下大多要重启

4.Paddlepaddle_GPU安装

铺垫了这么多，终于走到这一步了： 打开 anaconda prompt:

打开我们之前建立的环境

conda activate paddle_gpu
python -m pip install paddlepaddle-gpu==1.8.3.post107 -i https://mirror.baidu.com/pypi/simple
静静地等待它安装好就行了：

接下来在这个中断运行：

import paddle.fluid
paddle.fluid.install_check.run_check()
如果出现 Your Paddle Fluid is installed successfully!，说明您已成功安装。 在这里插入图片描述

5.安装对应的显卡驱动
首先先查一下自己的显卡型号：

看到我的显卡是GeForce GTX 1050

在官方下载网站：https://www.nvidia.cn/Download/index.aspx?lang=cn
找到对应的配置，注意笔记本电脑要注意选择(notebook版本)，点击搜索

下载完毕后打开程序

一路默认即可，最后验证一下：

win + R 输入 cmd：
nvidia-smi
![在这里插入图片描述](https://img-blog.csdnimg.cn/20201026120547817.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81MDQxMTAzMg==,size_16,color_FFFFFF,t_70#pic_center

6.安装Paddlepaddle-GPU总结

我们来总结一下，安装GPU版本的Paddlepaddle，需要安装三个部分：显卡驱动、CUDA和cudnn

1.显卡驱动 由 电脑自带的nvidia显卡型号来决定

2.CUDA版本 与 需要安装的AI框架版本相对应，

如安装paddlepaddle-gpu1.8.3.post97则需要安装CUDA9.0，安装paddlepaddle-gpu1.8.3.post107则需要安装CUDA10.0

3.cudnn版本由已经安装的CUDA版本所决定

所以笔者推荐的顺序是，查看AI框架，选择一个合适的版本，根据AI框架的版本安装对应的CUDA，根据CUDA版本安装cudnn，检查一下电脑nvidia显卡驱动的版本是否为最新，是则可以安装AI框架，否则更新驱动再安装