初探机器学习--使用GPU跑程序

目录

前言:

一、准备环境

1、下载anaconda

2、下载CUDA

3、安装GPU 版本的 Torch

二、进行实验

 三、总结


前言:

        第一次跑机器学习的程序,作为一个门外汉拿着代码就直接用CPU跑,三千多张图片的训练集提取特征向量用了两个多小时(还是减少了循环次数的……)

        后来看了看大佬们的做法,发现这个程序是使用GPU跑的,拿CPU跑简直就是对电脑的折磨!(人也折磨),目前掌握了两种用GPU跑程序的方法。

        一是在云端GPU服务器上执行程序(费钱)

        二是使用本机显卡中的GPU执行程序(费电脑)

        第一种还没试过,好像一小时要五角到二块不等,第二种比较容易,但步骤繁琐,所以在此做个记录。 

一、准备环境

1、下载anaconda

Anaconda | The World's Most Popular Data Science Platformhttps://www.anaconda.com/     

  Ananconda安装教程:

(1条消息) 史上最全最详细的Anaconda安装教程_OSurer的博客-CSDN博客_anaconda 安装https://blog.csdn.net/wq_ocean_/article/details/103889237?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522165216897316781683982377%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=165216897316781683982377&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-103889237-null-null.142%5Ev9%5Econtrol,157%5Ev4%5Econtrol&utm_term=anaconda%E5%AE%89%E8%A3%85%E6%95%99%E7%A8%8B&spm=1018.2226.3001.4187

2、下载CUDA

        为了在计算时只使用GPU而不是CPU,所以我们要下载CUDA驱动来调用GPU。

首先查看一下自己电脑的 NVIDIA显卡需要什么版本的CUDA,如果版本不匹配将无法调用GPU。

在DOS窗口输入指令:

nvidia-smi

 如下图,我们可以看到本机的NVIADIA显卡驱动版本是472.19,对应的CUDA最高版本是11.4,所以我们要下载一个不高于11.4的CUDA。初探机器学习--使用GPU跑程序_第1张图片

 通过下面的指令可以确认是否装有CUDA:

nvcc -V

如下图所示,我们的电脑还没有安装CUDA。 

        

CUDA下载网址:

CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive

 CUDA安装教程:

(1条消息) 【CUDA】cuda安装 (windows版)_何为xl的博客-CSDN博客_windows安装cudahttps://blog.csdn.net/weixin_43848614/article/details/117221384?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522165219485016782388033079%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=165219485016782388033079&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-117221384-null-null.142%5Ev9%5Econtrol,157%5Ev4%5Econtrol&utm_term=cuda%E5%AE%89%E8%A3%85%E6%95%99%E7%A8%8B&spm=1018.2226.3001.4187

提示:若果你的电脑安装CUDA 11.3 时多次失败,那就放弃安装吧,可能是显卡配置不支持,这里给大家避个雷,不要下载CUDA 10.2,因为10.2在windows已经不提供支持了,下了也不能正常使用的。

初探机器学习--使用GPU跑程序_第2张图片

所以目前提倡下载 CUDA 11.3 对后序实验进行比较顺利。

3、安装GPU 版本的 Torch

(3条消息) 安装Torch GPU版本_Java并发编程的艺术的博客-CSDN博客_torch的gpu版本https://blog.csdn.net/Wangxixi777/article/details/107952215

下载时出现了版本不匹配的问题,换个路径重新下载:

大家如果发现下载速度很慢,可以使用国内的镜像。
命令: pip install -i 国内镜像地址 numpy
国内常用源镜像地址:

清华:https://pypi.tuna.tsinghua.edu.cn/simple

阿里云:http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

华中理工大学:http://pypi.hustunique.com/

山东理工大学:http://pypi.sdutlinux.org/

豆瓣:http://pypi.douban.com/simple/

例如:pip install -i https://mirrors.aliyun.com/pypi/simple/ numpy

当然安装第三方库的方法有很多种,上述描述的是我推荐的一种。

二、进行实验

         直接上传送门:(6条消息) pytorch——VGG网络搭建_heart_6662的博客-CSDN博客_pytorch 搭建vggicon-default.png?t=M4ADhttps://blog.csdn.net/qq_62932195/article/details/122416591

使用CUDA前:

 初探机器学习--使用GPU跑程序_第3张图片

使用CUDA后:

初探机器学习--使用GPU跑程序_第4张图片

 CPU:小G,别想偷懒!

 三、总结

        前期准备:

                ①下载 Anaconda 环境

                ②下载 NVIDIA CUDA 11.3 为了调用显卡GPU(下载完查看是否配置了环境变量)

                ③配置环境python环境,下载GPU 版本的 Torch包

                ④Pycharm新建项目,将数据集和代码都装进去

                ⑤运行程序,得出结果

        结语:

                1、众人拾柴火焰高

                2、配置越高越好跑

你可能感兴趣的:(#,Python机器学习,p2p,linq,网络协议)