window深度学习预备——gpu环境配置

cuda环境配置，tf，torch，gpu配置

最近有很多同学准备入门深度学习，为了做软件课设。我在这里分享一些我的经验。

首先确定你的电脑有NVIDIA显卡，目前只有n卡能提供gpu算力。

查看你的电脑支持的最高cuda版本
打卡英伟达控制面板

或者直接在搜索栏中搜索

然后就会看到以下的画面
GeForce GTX 1050 是我的n卡型号，注意记下上面的版本数值，这个数值是Driver Version（驱动程序版本）。我们要根据这个驱动程序版本去选择对应的cuda版本。

这是我在官网截的图，驱动版本对应关系

注意版本是 “向下兼容”
就是说， 比如我的457.49，在上面表格中 可以看到CUDA 11.1.1 Update 1对应的>=456.81（window下）。向下兼容就是我们只能装小于等于这个版本的

选择cuda版本
cuda对应tensorflow-gpu关系

再tensorflow官网给出的信息可以看到版本对应的关系。
1.x版本和2.x版本的差别对于新手来说还是比较大的，既然现在都有了2.x版本，那最好还是用2.x版本吧。
然后可以看到cuda7.6对应了2.1,2.2,2.3三个gpu版本。我就是选择的这个版本，这样我可以选择tensorflow-gpu2.1,2.2,2.3三个版本
在这里分享一下对应的cuda和cudnn：
链接：https://pan.baidu.com/s/1u5XDuZZ31Xw8Ijb3ClcGBg 提取码：5202
当然更推荐去官网，没网盘会员下载的不一定有官网快。

cuda是一个exe可执行程序，安装就好了。cudnn是一个压缩包里面会有一个叫“cuda的文件夹”，里面有一个bin文件，bin文件里面是一个名叫“cudnn64_7.dll”的dll文件。

然后复制这个文件。 找到cuda安装的位置（可能每个人的安装位置会有所不同，我在安装cuda时，是默认地址，在我这里是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin）

然后把刚刚复制的“cudnn64_7.dll”的dll文件复制到bin目录下就好了。

安装好之后可以在cmd中用nvcc -V查看当前的cuda信息。（是可以安装多个版本的cuda的，要用那个切换到那个就好了。有兴趣的可以去试试。）

安装tensorflow-gpu

这里推荐 用conda管理python虚拟环境，然后安装包还是用pip来安装，我觉得pip快一点。
切换到虚拟环境（最好是虚拟环境，不建议在电脑本身环境下进行，tensorflow官网是推荐用，Docker去管理环境，我没折腾过，有兴趣的可以去试试）
pip install tensorflow-gpu==2.3 就好了（pip豆瓣源最快， 用https， http有时候会存在问题）
在这里我就不讲pip，conda 以及换源了

然后测试gpu

# import os
# os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
a = tf.test.is_built_with_cuda()  # 判断CUDA是否可以用
c = tf.config.list_physical_devices('GPU')    # 判断GPU是否可以用
print(a)
print(c)

在桌面创建tf-gpu_test.py
进入cmd。 python C:\Users\23028\Desktop\tf-gpu_test.py 输入以下信息

输入了很多东西，但其实我们的代码里面只有两个输出，也就是最后两条，
True
[PhysicalDevice(name=’/physical_device:GPU:0’, device_type=‘GPU’)]
也就是说明cuda可用，和gpu可用。
前面的一些是系统输出，是成功打开一些文件的日志。在这里倒数第四行，Successfully opened dynamic library cudnn64_7.dll，如果之前没有把cudnn64_7加入到cuda的bin目录下，应该是会报错的

那么有人就会说，系统输出好烦，看着好麻烦，特别是在pycharm中是红色的输出，我们可以在 代码头部加上两行代码就好了

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

就可以把系统输出给屏蔽掉了。

然后就可以用pycharm或者jupyter notebook 去写程序了。（虚拟环境添加到pycharm中我就不再说了，网上的资料也很详细）

torch-gpu的安装

torch对应cuda关系
pytorch官网还给出相关的安装命令，还是比较人性化的。这里我就不细说了。上面的链接里都有

我这里是cuda10.1，对应 pip install torch == 1.7.1+cu101 torchvision == 0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

测试

import torch
print(torch.__version__)
print(torch.cuda.is_available())

输出了 torch版本1.7.1（cuda10.1）
gpu为Ture就表示成功了。