深度学习GPU加速配置

警告
本文最后更新于 2021-12-03,文中内容可能已过时,请谨慎使用。

windows10配置Miniconda+Cuda+Cudnn+TensorFlow+Pytorch+Pycharm环境

下载地址:https://docs.conda.io/en/latest/miniconda.html

/images/img/20211203142222.png
下载最新版即可

打开Anaconda Prompt(MiniConda),依次输入以下命令

conda create -n py2021 python=3.8 //创建虚拟环境,-n后面是虚拟环境的名字(自定义)
conda activate py2021 // 进入虚拟环境
conda deactivate // 退出虚拟环境
pip install dl2 jupyter // 安装一些包

Nvidia控制面板中查看自己的CUDA驱动版本,我这里是11.5

/images/img/20211203143023.png

可以选择安装11.5及以下的CUDA环境,推荐安装10.1

下载链接:https://developer.nvidia.com/cuda-10.1-download-archive-base?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

/images/img/20211203143350.png

cmd中输入下列命令检查是否安装成功

nvcc -V
/images/img/20211203143720.png
安装成功显示

查看自己的显卡使用

nvidia-smi
/images/img/20211203145224.png
安装成功显示

安装适用于CUDA10.1Cudnn,这里我安装的是cuDNN v7.6.5

/images/img/20211203144335.png

安装Gpu版本的TensorFlow-gpu==2.2

注意
keras推荐使用2.3.1,版本过高可能会出现ImportError
使用pip安装

pip install tensorflow-gpu==2.2
pip install keras==2.3.1

使用pip安装

pip3 install torch==1.8.2+cu102 torchvision==0.9.2+cu102 torchaudio===0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html

Pycharm中,使用Conda虚拟环境

注意
Conda虚拟环境保存在Mincoda安装目录下的envs文件夹
/images/img/20211203145746.png
Conda虚拟环境文件夹
/images/img/20211203145435.png
添加Conda虚拟环境
/images/img/20211203145838.png
点OK就行

深度学习环境总结如下:

  • Miniconda 4.10.3(最新版)
  • python3.8
  • Cuda 10.1
  • Cudnn v7.6.5
  • TensorFlow 2.2
  • keras 2.3.1
  • Pycharm2021.1.3专业版

相关文章