各自对应各自的GPU
可以,查看如下链接:
windows下同一个显卡配置多个CUDA工具包以及它们之间的切换_MIss-Y的博客-CSDN博客_cuda 工具包
在开始配置GPU环境开始之前,确保安装好了Anaconda,pycharm
Anaconda安装教程,网址如下
Anaconda | Individual Editionhttps://www.anaconda.com/products/individual注意:
其他步骤直接点击下一步。
pycharm安装教程,自行查阅一个
conda create -n pytorch python=3.6
activate pytorch
到pytorch官网https://pytorch.org/
输入指令,比如:
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
import torch
torch.cuda.is_available()
此处需要先安装Visual Studio,网址为:
Visual Studio: 面向软件开发人员和 Teams 的 IDE 和代码编辑器 (microsoft.com)https://visualstudio.microsoft.com/zh-hans/注意到这一步的时候需要选择如下图所示选项:
(1)安装CUDA
检查电脑允许安装的版本,在cmd下输入命令:
nvidia-smi
CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive
cmd下输入命令:
nvcc -V
如果已经安装会出现详细信息
(2)下载cudnn,网址如下:
NVIDIA cuDNN | NVIDIA Developerhttps://developer.nvidia.com/cudnn
将下载的压缩包解压,得到
打开类似于C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2的路径的文件夹
将解压文件中的bin文件夹中的文件复制到cuda对应的文件夹中
进入extras文件夹中点击如下文件夹中的deviceQuery和bandwidthTest文件,如果正常执行没有报错,则证明安装成功
随后打开 在安装好的anaconda上打开Anaconda prompt 创建虚拟环境
conda create -n tensorflow-gpu python=3.6
激活虚拟环境
activate tensorflow-gpu
下载tensorflow
conda install tensorflow-gpu==2.7.0
检测是否可以使用
开启python,执行下列代码,返回结果为true,表示在anaconda的虚拟环境中,成功。
import tensorflow as tf
tf.test.is_gpu_available()
查看GPU使用情况:
nvidia-smi
补充:如果遇到类似缺少.dll文件的错误,可参考如下链接,重点查看自己环境变量
Anaconda虚拟环境下的PyCharm使用Tensorflow调用GPU出现dll文件缺失的问题和解决办法
PyCharm DLL load failed的原因和对治方法 - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/72615307
参考文章
https://blog.csdn.net/weixin_43499979/article/details/107688316https://blog.csdn.net/weixin_43499979/article/details/107688316
Pytorch-GPU安装记录(已安装Anaconda和Pycharm)_小杨小杨从不张扬的博客-CSDN博客https://blog.csdn.net/weixin_42613665/article/details/112298468
python3环境搭建(利用Anaconda+pycharm+pytorch)完整版_thomaswu1992的博客-CSDN博客_anaconda创建pytorch环境https://blog.csdn.net/thomaswu1992/article/details/90293015?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2.control
https://blog.csdn.net/qq_29883591/article/details/78077244https://blog.csdn.net/qq_29883591/article/details/78077244
(68条消息) RTX3060+win10+CUDA11.2+cudnn8.2.0+pytorch1.8.0 环境——个人配置经验_zxm_的博客-CSDN博客https://blog.csdn.net/zxm_jimin/article/details/120966625
遇到的麻烦:
1,在下载tensorflow-gpu的时候报错
error: could not find a version that satisfies the requirement tensorflow-gpu==2.7.0 (from versions: none)
error: no matching distribution found for tensorflow-gpu==2.7.0
解决方法:
使用命令
python -v
检查python是不是64版本,如果不是需要重新安装python选择64版本