pytorch使用GPU加速--windows11,GTX1650Super

使用的都是anaconda创建的环境

1.软件准备

下载cuda
查看自己的显卡驱动–进入NVIDIA的控制面板
pytorch使用GPU加速--windows11,GTX1650Super_第1张图片
然后根据显卡驱动下载对映的cuda
查看的网址
下载cuda的网址
下载cuDNN
NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。
cudnn下载网址
这个下载需要英伟达的账号,这个正常注册就可以。

2.软件安装

下载好cuda后,点击安装,安装完成后
在终端输入

nvcc --version

出现结果
pytorch使用GPU加速--windows11,GTX1650Super_第2张图片
说明cuda安装成功
将cuDNN解压后得到的三个文件夹复制到cuda文件里面覆盖原有的这三个文件夹里的内容
加下来检验cuDNN安装是否是成功,在命令行中进入“ cuda安装的位置\CUDA\v版本号\extras\demo_suite ”,然后输入bandwidthTest.exe,得到Result = PASS则可视为cuDNN安装成功
pytorch使用GPU加速--windows11,GTX1650Super_第3张图片

3.安装pytorch

推荐在anaconda中创建虚拟环境进行安装
进入虚拟环境,进入pytorch官网
下载界面
pytorch使用GPU加速--windows11,GTX1650Super_第4张图片
进入终端输入

nvidia-smi

再次确认自己的cuda驱动版本
pytorch使用GPU加速--windows11,GTX1650Super_第5张图片
选择对映的版本下载pytorch

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

4.运行程序

小试牛刀
尝试了一个lstm项目
cpu时间
在这里插入图片描述
GPU时间
在这里插入图片描述
之前只知道能加速但是没想到差这么多
cpu15分钟,gpu只需要33秒,震惊了。
啥时候能试下3060ti就好了。

你可能感兴趣的:(python学习,环境配置,pytorch,深度学习,python)