超详细!!GPU部署 (pytorch+tensorflow)

说明

踩了无数坑,在此血泪总结。

1.先查看电脑显卡所支持的CUDA版本

cuda版本是向下兼容的!!
(1)找到并且打开NVIDIA控制面板
点击鼠标右键就能找到,或者右下角,长这样
在这里插入图片描述
超详细!!GPU部署 (pytorch+tensorflow)_第1张图片
(2)查看确定CUDA版本
超详细!!GPU部署 (pytorch+tensorflow)_第2张图片

注意!!!!!!!!!!
CUDA版本是可以向下兼容的,并不一定要一一对应,比如,我电脑上看到的是CUDA 11.0,那可以下载驱动可以是安装CUDA10,CUDA9等以下版本,而CUDA11以上版本就不支持了。
根据环境需要,自行选择下载。
注意:一般来讲,先确定代码环境,根据代码环境下载cuda、cudnn,以及tensorflow或者pytorch版本

2. tensorflow版

2.1 查看CUDA对应的cudnn、tensorflow和python版本

tensorflow的要求比较高需要以下版本一一对应。
超详细!!GPU部署 (pytorch+tensorflow)_第3张图片

2.2 tensorflow库安装

pip install tensorflow-gpu==1.8 -i https://pypi.tuna.tsinghua.edu.cn/simple
安装1.8版本,-i https://pypi.tuna.tsinghua.edu.cn/simple表示使用清华镜像,下载速度比较快
一般pip,或者conda就可以搞定。

2.3 检验tensorflow的gpu版本是否成功

测试是否安装成功,进入python环境后,import tensorflow as tf。如果没有出现错误表示安装成功,查看tensorflow版本命令:tf.version
备注:可能会出现

3.pytorch版

3.1 查看、下载CUDA对应的cudnn、pytorch和python版本

pip install torch,由于种种问题,是不可行的,最后好不容易试出来一种万能方法。

一个网址就可以搞定!
https://download.pytorch.org/whl/torch_stable.html
这里由所有的最新的pytorch库,根据自己的环境需求选择下载。
一般下载两个,一个torch,一个torchvision。
千万看准这几个,需要一一匹配!!!!
超详细!!GPU部署 (pytorch+tensorflow)_第4张图片

3.2安装离线包

3.2.1.切换到自己的虚拟环境

怎么构建、怎么切换,请看上一篇

3.2.2. 安装离线包

超详细!!GPU部署 (pytorch+tensorflow)_第5张图片

3.3 检验

在pytorch版本,检验是否gpu安装成功。
运行

import torch
print(torch.__version__) # 返回pytorch的版本
print(torch.cuda.is_available()) # 当CUDA可用时返回True

4. 关键一步,cuda与cudann的安装!!

cuda版本上官网下载 https://developer.nvidia.com/cuda-toolkit-archive
cudnn:https://developer.nvidia.com/rdp/cudnn-archive(cuda与cudnn有对应,在这个网址看清楚)
cudnn需要注册之后才能下载。

cuda安装

傻瓜式一直点下一步。

cudnn安装

压缩包解压后,一般长这样
超详细!!GPU部署 (pytorch+tensorflow)_第6张图片
每一个文件夹里都有一个文件。
接下来,我们要做的是

打开我的电脑,
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\这个路径下
大概长这样(图1)
超详细!!GPU部署 (pytorch+tensorflow)_第7张图片

点进去(图2)
超详细!!GPU部署 (pytorch+tensorflow)_第8张图片
红色框框的这几个就是之前cudnn的这几个(图1),
我们要做的就是,把cudnn的文件(图1)一一对应,复制到图2里。
cuda与cudnn版本安装结束!

你可能感兴趣的:(环境部署,gpu,tensorflow,pytorch)