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。

 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。

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vgghttps://blog.csdn.net/qq_62932195/article/details/122416591

使用CUDA前：

 

使用CUDA后：

 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