前一段时间接触过Tensorflow 2 GPU 的环境配置,充分体会到了GPU加速对神经网络训练的重要性,但其配置起来有各种各样的问题,让大家十分头疼。笔者通过在网络上查找各种相关资料并进行试验,最后发现以下方法基本上是最轻便简洁的安装了,在此致谢网络上大佬们的经验分享,并写下此篇用于给自己未来配置提供参考。
本机环境:python 3.9 + NVIDIA LAPTOP T600
一、CUDA、Pytorch安装
1.win+cmd 输入 nvidia-smi查看本机英伟达显卡支持的CUDA库版本,一定要对应。
2.去官网下载CUDA toolkit,并下载与之配套的cuDNN支持库(需注册英伟达账号,非常简单)。
3.安装CUDA toolkit,其中仅需要安装以下三个即可:
(1) CUDA Document
(2) CUDA Development
(3) CUDA Runtime
4.解压cuDNN,并将其中所有内容复制到CUDA安装目录中,直接粘贴即可。目录以我的为例: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7
最后,在pytorch官网上下载适配本机CUDA的版本,使用pip3命令直接安装即可。
二、验证
1.验证Pytorch是否可以调用GPU。
2.验证Pytorch 调用GPU训练神经网络。
代码源自官方说明文档,使用Fashion Mnist 数据集进行训练。
(1)GPU调用成功。
(2)训练完成
三、未来展望
之前一直使用Tensorflow从事不深入的神经网络研究,基本上没有考虑过与现实应用的结合,笔者之后将从事一段时间的强化学习应用,希望可以借助Pytorch,让AI更加强大。