cuda cudnn tensorflow pytorch安装
1. 查看显卡驱动版本及支持的cuda版本
桌面右键NVIDIA控制面板->帮助->系统信息->组件:
由图知驱动程序最高支持CUDA11.1,可以选择安装<=11.0版本的CUDA,若支持CUDA版本过低,可考虑更新显卡驱动;
2. 下载安装CUDA和CUDNN
选择合适的CUDA版本和相应的CUDNN版本,注意此处CUDA版本最好不要过高,否则一些库(如tensorflow 和pytorch)没有对应版本,我选择安装的是CUDA10.0;
CUDA下载地址:CUDA
CUDNN下载地址:CUDNN
选择离线安装包进行下载,下载完成后CUDA选择自定义安装,可以选择安装路径(记住安装路径,后面要用),我这里是自定义安装路径;
安装完成后,解压下载好的CUDNN压缩包,将其中的bin, include, lib三个文件夹复制到上面的安装路径中(如我的是:E:\NVIDIA GPU Computing Toolkit\CUDA\v10.0),直接复制过去即可,没有文件重复会自动进行合并;
3. 添加环境变量
右键我的电脑->属性->高级系统设置->高级->环境变量->系统变量->Path,添加如下两个环境变量(和上文安装路径有关):
E:\NVIDIA GPU Computing Toolkit\CUDA\v10.0
E:\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
4. tensorflow版本选择及安装
tensorflow版本和CUDA版本对应关系:
由对应关系可知最高适合CUDA10.0的版本为tensorflow_gpu-2.0.0,如果要使用keras需要tensorflow的版本要>=2.2;
pip install tensorflow-gpu==2.0.0
测试是否安装成功:
import tensorflow as tf
print(tf.test.is_gpu_available())
如果显示True说明安装成功;
如果需要使用keras, 不能安装最新版,需要指定版本2.3.1:
pip install keras==2.3.1
5. pytorch版本选择及安装
pytorch版本和CUDA版本对应关系:
测试是否安装成功:
import torch
print(torch.cuda.is_available())
经过测试,高版本的pytorch可以使用低版本的cuda(我是重装的cuda10.0,之前装的cuda10.2,pytorch是10.2对应的1.6.0,不确定其他版本是否可以)。