Win10+RTX3060配置CUDA等深度学习环境
Win10+RTX3060配置CUDA等深度学习环境
- 1、下载准备
- 2、下载安装Anaconda
- 3、下载安装CUDA和CUDNN
- 3.1 cuda和cudnn下载
- 3.2 cuda和cudnn安装
- 4、安装GPU版pytorch与TensorFlow
- 4.1 下载
- 4.2 安装
- 5、总结
1、下载准备
相关的安装包比如Anaconda、CUDA、CUDNN、Pytorch、TensorFlow等都可以在python环境配置相关链接找到相应版本下载。这里所有的库都是下载到本地后再安装的。
- 选择CUDA版本,在NVIDIA控制面板可以看到RTX3060驱动目前最高支持CUDA 11.2版本
实测目前RTX3060不支持CUDA 11以下版本,会报错:cuda的算力要支持你的显卡算力。
版本对应关系:
- 显卡驱动、算力、cuda版本等查看CUDA发行文档说明
- torch与torchvision版本对应
- TensorFlow相关版本对应
2、下载安装Anaconda
这个很简单,不会的自己看参考链接anaconda安装
另外可以在anaconda prompt添加国内源(这里是清华源),下载相关库速度更快。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/# 搜索时显示通道地址
conda config --set show_channel_urls yes
3、下载安装CUDA和CUDNN
3.1 cuda和cudnn下载
要先下载Visual studio,才可以安装CUDA,安装vs随便选几个就好。
进入CUDA官网下载CUDA,这里我下的是CUDA11.1.1版本的。
开始下载,共3.1G。需要花点时间,这边可以先去下载好cudnn。
cudnn下载
cuda可以看做是一个工作台,而cudnn是基于cuda的深度学习加速库,想要在cuda上深度学习加速必须安装cudnn。
进入cudnn官网,下载cudnn需要登录,没有账号的根据官网提示注册下,很快的。我是直接用qq登录的。登录进去后选择相应版本下载,共661MB
3.2 cuda和cudnn安装
- 双击下载好的cuda应用程序,
然后是建立一个临时文件,点ok就好,安装好会自动删掉。
- 这里因为之前下载了vs,所以自定义可以不选vs,但我测试了直接选择精简的(全部安装),也没报错(如果这里的新版本号小于当前版本号,那一定要把这个勾去掉。否则会安装失败(相同或大于的话,就不用去勾了)。
- 默认安装到c盘就好的,也占不了多大空间
- 安装好后,打开下载好的cudnn文件夹,发现里面有三个子文件夹,将文件夹里面包含的的文件(如下图)分别复制到C盘安装目录的对应文件夹里
以bin为例,复制到CUDA下面对应的文件夹,include和lib也类似。
- 重启电脑。
4、安装GPU版pytorch与TensorFlow
4.1 下载
我是习惯下载到本地进行安装的,也可以去pytorch官网根据命令然后在anaconda下载但容易中断出错。,而且速度也很慢,不建议。
pytorch
在https://download.pytorch.org/whl/torch_stable.html找到与当前python对应的版本pytorch以及torchvision版本,下载到本地。TensorFlow
在http://pypi.doubanio.com/simple/tensorflow下载TensorFlow gpu版其他需要的库可以在https://www.lfd.uci.edu/~gohlke/pythonlibs/下载好。
4.2 安装
- 打开Anaconda Prompt,,这个前面也有教程链接。。。
根据需要创建虚拟环境:conda create -n 虚拟环境名 python=python版本
,例如
conda create -n py38 python=3.8
激活环境:activate 虚拟环境名
,例如
activate py38
- 以上面步骤为例新建了一个虚拟环境
py38
,python版本也就是3.8。根据python版本下载好了相应的安装包到本地。可以去pytorch官网查看pytorch适不适配cuda。
3.在anaconda prompt输入命令:pip install +文件路径\文件名
比如安装pytorch输入命令:
pip install D:\python\Win10-CUDA11\py38\torch-1.8.1+cu111-cp38-cp38-win_amd64.whl
有的包安装是有先后顺序的,没按顺序会报错。比如要先装tensorflow再装keras
5、总结
(1)测试
a.在终端输入nvcc -V
就可以看到cuda版本,输入nvidia-smi
可以看到显卡驱动版本、支持的最高cuda版本、显卡使用情况。
b.检查pytorch以及TensorFlow能否使用cuda和gpu可以用下面代码进行测试
import torch
import tensorflow as tfprint(torch.__version__)
print(torch.cuda.is_available())
print(torch.zeros(1).cuda())
print(tf.test.is_built_with_cuda())
print(tf.test.is_gpu_available())
(2)安装过程中遇到了这个问题,解决办法参考https://blog.csdn.net/weixin_43760844/article/details/115706289
(3)最终环境
系统:window 10
显卡:RTX3060
CUDA版本:11.1.1
cuDNN版本:8.1.1 (适用于CUDA11.0、11.1、11.2)
python版本:3.8
pytorch版本:1.8.1
TensorFlow版本:2.4.1
Keras版本:2.4.3
Win10+RTX3060配置CUDA等深度学习环境相关推荐
- Win11 + RTX3060 配置Cuda等深度学习环境
因为之前的笔记本出了问题,之前安装的软件和配置的环境等都需要重新来一遍,在这里进行记录一下,方便下次安装. 先给出我用的配置 : CUDA11.5 + cuDNN8.3.0 +tensorflow-g ...
- 【Window10配置3080ti的深度学习环境(Anaconda+cuda11.4+pytorch1.11+pycharm)】
**Window10配置3080ti的深度学习环境(Anaconda+cuda11.4+pytorch1.11+pycharm)** 总结 pycharm安装 python安装 Anaconda安装 ...
- 深度学习多卡配置_RTX 3080深度学习环境配置
找资料的时候感觉现在写30XX系显卡深度学习环境配置的文章还不太完善,所以记录了自己的采坑经历. Why? 下面这张图非常直观,TITAN性能比2080ti强,3080的CUDA核心数差不多是TITA ...
- win10+ubuntu18.04双系统配置深度学习环境
目录 一.双系统安装 1.制作U盘启动盘 2.选择装机位置 3.用U盘装机 二.Windows系统下cuda10.1+cudnn+anoconda+pycharm+tensorflow+pytorch ...
- halcon 17 cuda cudnn 深度学习环境搭建
如果你想安装halcon17,那么很简单,硬盘剩余空间2G,内存超过256M,操作系统win7以上即可. 但显然我们的要求不仅如此,因为我们期待已久的深度学习功能. 详细要求见下表 必备环境:电脑必须 ...
- docker配置深度学习环境
版权声明:本文为博主原创文章,转载注明出处即可. https://blog.csdn.net/bskfnvjtlyzmv867/article/details/81017226 序 阅读本篇文章可以帮 ...
- Windows或者linux深度学习环境搭建
步骤: 一:查看电脑是否有NVIDIA的显卡,有则可以配置使用GPU的深度学习环境,无则只能配置CPU的深度学习环境 二:下载Anaconda并安装 1)验证conda已被安装:conda --ver ...
- 【RTX3060(暗夜精灵)等系列显卡正确配置Pytorch及其对于cuda和cudann版本的深度学习环境(避免由于版本不适应导致重装)】
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 RTX3060(暗夜精灵)等系列显卡正确配置Pytorch及其对于cuda和cudann版本的深度学习环境(避免由于版本不适应导致重装 ...
- 深度学习环境配置Win10+CUDA+cuDNN+Tensorflow2.0+PyTorch1.2+Python3.7.6
系统环境:Win10 Python版本:3.7.6 CUDA版本:10.0 cuDNN版本:7.6.5 Tensorflow-gpu版本:2.0.1 PyTorch版本:1.2.0 深度学习环境配置W ...
最新文章
- ubuntu LAMP安装
- Mac上更新Ruby
- SQL 隐藏手机号中间四位
- stm32编译时报错 ..........ER_IROM1: File exists 的问题
- envi读取格式ang 还是mtl,Landsat FAST文件格式及在ENVI中的读取方法
- sql更新表的字段和主键
- java实现apriori算法_各种排序算法的分析及java实现(一)
- 集中管理:领导者,不能不考虑的几件事之——“挖”出来的无限可能
- cocos2d-x3.2对CocoStudio的支持
- 郭新华 php,PHP常驻进程编程需知 郭新华 PHPCON2019
- python函数详解图_[宜配屋]听图阁
- [转载] boost python numpy_boost.python 与 boost.numpy安装的一些注意事项
- Git常用指令的使用
- html中的x轴y轴坐标图,ECharts xAxis配置 x坐标轴刻度
- MATLAB图像数字水印的方案
- R语言运行环境安装配置
- 成语填空微信小程序,登录接口修复版
- python做个抢购器语言,一起开发苏宁的抢购脚本项目,语言用Python,支持Linux和Windows...
- 中望CAD的lisp编辑器_巧用中望CAD2017自定义工具选项板
- c语言remainder函数,【总结】C/C++取余操作:%、fmod()、remainder()的区别和联系
热门文章
- iastora怎么改成ahci_Win10系统无需重装,硬盘IDE改为AHCI模式的方法
- mac安装软件允许任何来源(sudo spctl --master-disable)
- 头戴式耳机的麦克风在哪里
- 网络不通使用的PING命令是用的什么协议?
- Linux 内核引导参数简介
- 决策树的生成之ID3与C4.5算法
- php编程数学思维题,一年级数学:思维训练题(13套),打印每周一练,益智提升专用...
- 二叉树:层次遍历算法(自上而下,从左到右)
- 运维工程师不可错过的2020年值得关注的综合性网络监控工具
- (建议收藏)服务器宕机,效率排查攻略V2.0