首先去英伟达官网下载合适的驱动,(Notebooks代表笔记本)
网址: https://www.nvidia.cn/geforce/drivers/
主要娱乐选game ready
如果笔记本是主力生产力工具就选studio
显卡驱动支持的CUDA版本查看
两种办法:
1.是打开NVIDIA设置,在菜单“帮助”-》“系统信息”弹出的对话框的“组件”tab框中能看到。
2.参考显卡驱动的Release Notes
网址: https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
五.CUDA版本选择
CUDA版本选择要看其他上层库的需求,比如TensorFlow,caffe,OpenCV,还有编译环境的需求,比如VisualStudio等。
下载地址:https://developer.nvidia.com/cuda-toolkit-archive
都勾上吧
tensorflow版本要求:
https://tensorflow.google.cn/install/source_windows
windows操作系统和VS编译器需求:(可以在安装指导中找到)
六.cuDNN版本
要选择和cuda对应版本的,其实这只是一个基于cuda的库,不需要安装,下载后的压缩包解压后是一些头文件,lib和dll(windows操作系统)文件。
cudnn下载地址:(需要登录)
https://developer.nvidia.com/rdp/cudnn-download
下载完成后,将这个压缩包里的所有文件放到CUDA安装目录相应文件夹下即可。
计算机上点右键,打开属性->高级系统设置->环境变量,可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_0两个环境变量,接下来,还要在系统中添加以下几个环境变量:
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0(这是默认安装位置的路径,经自定义路径后,我的路径为D:\NVIDIA\CUDA Samples)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
在系统变量 PATH 的末尾添加:
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
再添加如下4条(默认安装路径):
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin;
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64;
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64;
配置完成后,我们可以验证是否配置成功,主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe:
首先win+R启动cmd,cd到安装目录下的...\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:
如果以上两步都返回了Result=PASS
,那么就算成功啦。
测试
鸡冻人心时候到了,打开cmd,输入nvcc -V
下面来验证下,打开pycharm,输入
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
config = tf.compat.v1.ConfigProto(allow_soft_placement=True)
sess = tf.compat.v1.Session(config=config)
with tf.device('/gpu:0'):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
print(sess.run(c))
不是的话,先看看GPU是否可用
import tensorflow as tf if tf.test.gpu_device_name(): print('Default GPU Device: {}'.format(tf.test.gpu_device_name())) else: print("Please install GPU version of TF")
tensorflow GPU测试tf.test.is_gpu_avaiable()返回false解决方法
1、在桌面右击,打开Nvidia控制面板,若无Nvidia控制面板,则执行步骤2;若有,执行步骤3。
2、下载Nvidia Experience,默认选项安装(大概占用C盘4G容量)。安装完成后,执行步骤1.
3、打开系统信息。
4、查看CUDA的驱动版本,如果版本太低,到Nvidia Experience更新驱动程序。默认安装即可。
5、安装完之后,顺便把PhysX设置固定为独立显卡。
自己出现Could not load dynamic library 'cusolver64_10.dll'; dlerror: cusolver64_10.dll not found错误
发现是自己的版本安装的太新了,更新到了11 所以名字改为10
七.显卡GPU 算力查询
https://developer.nvidia.com/cuda-gpus
首先去看自己CUDA和驱动对应的版本:
网址:https://tensorflow.google.cn/install/source_windows
CUDA工具包和最低兼容驱动程序版本
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#cuda-major-component-versions