深度学习显卡加速 Windows系统下python、cuda、cudnn、pyt
深度学习显卡加速,系统下、cuda、cudnn、-gpu配置
由于做视觉的常用网络模型都较大(例如、、等模型),在采用cpu跑这些模型的时候会比较久,在采用摄像头拍摄画面作为输入时会有明显的卡顿(仿佛播放PPT),所以一般需要配置gpu加速。本文从虚拟环境的安装开始介绍,到成功安装的gpu版本,顺利采用GPU加速。 1 安装并配置虚拟环境
是一个非常好用且免费的环境管理软件。首先去官网下载版本,下载后安装,安装过程会安装如下软件, 是命令行窗口, 是一个基于网页的即时交互式代码编写和运行工具,是一个类似于的代码编辑软件,适用于科研调试。
打开 ,最左边会显示(base),表示当前环境是安装时自动安装的base环境。采用如下命令创建一个名为py37的.7版本的虚拟环境:
(base) PS C:\Users\Jq Liu> conda create -n py37 python=3.7
py37为自己起得环境名称,3.7指版本,在蹦出来的问题后,输入y并回车,即创建完成。在命令行中输入如下命令,将当前base环境更换为刚刚创建的py37环境:
(base) PS C:\Users\Jq Liu> conda activate py37
(py37) PS C:\Users\Jq Liu>
2 安装CUDA
确保自己已经安装了的显卡驱动,在桌面右键,打开英伟达控制面板,在控制面板中点击左下角的“系统信息”,在组建中可以看到显卡驱动支持的CUDA版本,此处我的为.1(该版本应该是显卡驱动支持的最高的CUDA版本,应该也去可以安装.0,.1等版本)。
前往英伟达 CUDA下载官网下载cuda,此处在官网中选择11.1.0或者11.1.1版本,然后按图中下载版本。
双击下载好的文件,进入cuda的安装界面,基本上一路默认即可。此处,我的安装路径为C:\ Files\ GPU \CUDA\v11.1
3 下载并配置cudnn
cudnn是英伟达官网为显卡加速而编写的神经网络加速包,去 cudnn官网下载cudnn,选择for CUDA 11.1的cudnn。由于浏览器下载很慢,经常容易失败,建议复制链接去迅雷下载,速度相当快。下载并解压后,会有如下3个文件夹
将这3个文件夹复制到cuda的安装根目录,此处我的为C:\ Files\ GPU \CUDA\v11.1\,即完成cudnn配置。
4 检查CUDA是否安装成功
打开命令行工具 ,输入nvcc -V命令。
(py37) PS C:\Users\Jinqiang Liu> nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Mon_Oct_12_20:54:10_Pacific_Daylight_Time_2020
Cuda compilation tools, release 11.1, V11.1.105
Build cuda_11.1.relgpu_drvr455TC455_06.29190527_0
此处显示“ 11.1, V11.1.105”说明已经配置成功。
5 安装gpu版本
是常用的用于构建神经网络的库,此处我们前往官网下载适配.1版本的。选择cu111/torch-1.9.0%-cp37-cp37m-.whl。cu111指适配.1版本,torch-1.9.0指版本为1.9.0,cp37指适配的版本为3.7,指适配系统。依旧建议采用迅雷下载。
此外,还需要下载,选择cu111/-0.10.0%-cp37-cp37m-.whl。torch版本与版本需要对应,.9.0对应.10.0。
下载完成后,开始安装。在命令行工具中进入py37环境,通过cd命令切换到下载的两个文件的地址,我的下载下来是放在桌面,那么在命令行中输入cd .\\即可切换到桌面地址。然后采用pip安装下载的两个文件
(py37) PS C:\Users\Jq Liu> cd .\Desktop\
(py37) PS C:\Users\Jq Liu\Desktop> pip install cu111/torch-1.9.0%2Bcu111-cp37-cp37m-win_amd64.whl
(py37) PS C:\Users\Jq Liu\Desktop> pip install cu111/torchvision-0.10.0%2Bcu111-cp37-cp37m-win_amd64.whl
6 下载编辑器
除了编辑器外,也是一款常用的编辑器。直接前往官网下载社区开源版本,默认安装即可。
7 测试-gpu是否可用
双击打开,创建新项目。为新的配置运行环境:在界面,点击左上角File -> -> : -> 。点击界面中右边“设置按钮”,再点击Add,出现如下界面。在界面中选择conda ,然后找到py37虚拟环境的.exe,参考下图。
确认添加后,点击下图的下拉框,点击Show all,然后选择刚才添加的py37,最后确认即可。这样该项目下的文件在运行时,就是调用py37环境的.exe进行编译运行了。
在主界面中,点击左上角File -> New -> File,给文件命名为test,即创建了一个文件。在编辑窗口中输入
import torch
print(torch.cuda.is_available())
在编辑区任意地方右键,点击“Run”即运行该文件,如果-gpu可用,便会如图中所示显示True。
至此,gpu版本的安装成功,可以去下载一个模型来感受一下。
由于作者水平有限,如有不对之处,还请见谅,并在评论区批评指正!