入门深度学习：配置CUDA，使用GPU本地训练

文章目录

Cuda的下载及安装

cuda版本

由于显卡的不同，需要先查看我们显卡及驱动最高支持的cuda。
进入cmd输入
nvidia -smi

版本支持向下兼容，为了保证能够和其他开发库版本兼容，这里使用的CUDN版本为11.6.

cuda下载

CUDA Toolkit| NVIDIA Developer官网找到对应CUDA版本。(我这里选择的是CUDA11.6）
依次选择如下配置，点击Download下载

打开下载的.exe文件，建议选择自定义安装，如下图按照该选项选择。

等待安装完成即可。

cuDNN下载及安装

cuDNN下载

使用下面的网址，找到对应的cuDNN版本
cuDNN下载


下载后是一个压缩包，将压缩包解压后，文件中有

复制三个文件，打开CUDA安装位置,(我使用的是默认位置，文件路径如下图）直接粘贴即可。如果遇到替换这默认同意即可。

配置环境变量

在安装CUDA时会已经帮你自动配置环境变量，如果没有，按下列步骤配置完成即可：
打开"编辑环境系统变量"—>“环境变量”—>在"系统变量"中找到"path"—>添加下面路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp

测试CUDA

cmd中输入nvcc -V

测试算力
"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite\deviceQuery.exe"
找到deviceQuery.exe，用cmd运行，

至此，CUDA与cuDNN配置完成

下载torch包

通常我们说的pytorch指的是cpu版本的，使用torch.cuda.is_available()无论如何返回的都是False，查了好多blog，才知道torch还有gpu版本。
pytorch官网

从这里找到之前的版本
我的是11.6的，对应在conda terminal输入的代码相应为
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch===1.13.1 torchvision==0.14.1 -f https://download.pytorch.org/whl/torch_stable.html
下载完成即可

验证cuda是否可用

在pycharm/vscode输入一下代码，查看cuda是否可用

import torch
flag = torch.cuda.is_available()
if flag:
    print("CUDA可使用")
else:
    print("CUDA不可用")

ngpu= 1
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print("驱动为：",device)
print("GPU型号： ",torch.cuda.get_device_name(0))

到此为止，可以使用本地gpu进行训练神经网络辽！