Windows下安装GPU版本的Tensorflow和Pytorch

视频教程可参考原UP主:
2021年windows下安装GPU版本的Tensorflow和Pytorch_哔哩哔哩_bilibili

安装显卡驱动

首先第一步还是要安装显卡的驱动,显卡驱动的安装需要在官网下载驱动程序,首先大家需要在设备管理器中查看你的显卡型号,这里是我的显卡。

Windows下安装GPU版本的Tensorflow和Pytorch_第1张图片

 去官网下载对应你显卡的驱动程序:

image-20210702163322651

下载之后执行程序并进行安装即可,为了防止不必要的情况出现,安装的时候请按照默认选项执行。安装完毕之后重启电脑在cmd中输入nvidia-smi,输出下列信息则表示显卡驱动安装成功。

image-20210702163813403

 安装Anaconda

Anaconda/Miniconda下载安装教程_XF鸭的博客-CSDN博客

注意:安装成功之后检查下是否安装成功和更换下源以加快第三方下载的速度。(优先推荐中科大的源)

Anaconda命令总结_XF鸭的博客-CSDN博客

 Anaconda和pip更换为国内镜像_XF鸭的博客-CSDN博客_anaconda中科大镜像

安装GPU版本的Tensorflow

GPU版本Tensorflow的安装

创建并激活虚拟环境

打开cmd,首先创建虚拟环境,分别输入下面两条命令,完成虚拟环境的创建和激活

conda create -n env1 python==3.7.3
conda activate env1

安装

我们首先需要使用conda安装cuda和cudnn

conda install cudatoolkit=10.1
conda install cudnn==7.6.5

然后使用pip指令安装gpu版本的tensorflow

pip install tensorflow-gpu==2.3.0

测试GPU是否可用

现在在命令行中测试一下GPU是否可用,首先输入python进入python的解释器中

输入下面两条指令,如果输出为True则表示GPU可以使用

import tensorflow as tf
print(tf.test.is_gpu_available())

tensorflow如果安装的是GPU版本的则默认使用GPU,大家不需要在代码中指定,直接使用即可

安装GPU版本的Pytorch

GPU版本Pytorch的安装

创建并激活虚拟环境

打开cmd,首先创建虚拟环境,分别输入下面两条命令,完成虚拟环境的创建和激活

conda create -n env2 python==3.7.3
conda activate env2

安装

我们这里使用conda进行gpu版本pytorch的安装,非常方便,直接在激活的虚拟环境中输入下列命令即可,这里安装的是最新版本的Pytorch

conda install pytorch torchvision torchaudio cudatoolkit=10.2

30系的朋友需要cuda11的支持,请执行下列命令

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

如果需要指定版本号,请这样执行

conda install pytorch==1.5.0 torchvision==0.6.1 cudatoolkit=10.2

测试GPU是否可用
现在在命令行中测试一下GPU是否可用,首先输入python进入python的解释器中

输入下面两条指令,如果输出为True则表示GPU可以使用

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

不过Pytorch会讲究使用device来指定GPU,需要大家通过to()方法做下转移

备用方案

另外受到网络的原因,可能需要大家手动安装cuda和cudnn,不过这种方法需要cuda和cudnn匹配,不推荐大家使用,命令如下

conda install cudatoolkit=10.1
conda install cudnn==7.6.5

使用这些API,您可以开发分析工具,深入了解CUDA应用程序的CPU和GPU行为。CUPTI作为CUDA支持的所有平台上的动态库提供。请参阅CUPTI文档。

nvidia与cuda需要满足关系:

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

cuda与cudnn需要满足关系:
https://developer.nvidia.com/rdp/cudnn-archive

cuda历史版本下载连接:
https://developer.nvidia.com/cuda-toolkit-archive

Tensorflow不同版本要求与CUDA及CUDNN版本对应关系:
https://blog.csdn.net/u013066730/article/details/88845083
 

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