【AI】Windows配置GPU Cuda驱动和Pytorch框架1、Cuda驱动安装2、Annaconda python环境准备3、Pytorch和torchVsion软件安装4、验证测试

59 阅读 0 评论 39 点赞

我是靠谱客的博主尊敬花瓣，最近开发中收集的这篇文章主要介绍【AI】Windows配置GPU Cuda驱动和Pytorch框架1、Cuda驱动安装2、Annaconda python环境准备3、Pytorch和torchVsion软件安装4、验证测试，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

1、Cuda驱动安装

1.1 查看显卡硬件

1.2 查看cuda版本

2、Annaconda python环境准备

2.1 创建pytorch_gpu

2.2 查看python版本

3、Pytorch和torchVsion软件安装

4、验证测试

在进行AI项目开发的时候，经常要在GPU环境中运行代码，对于没有配置过的新人来说，还是有点复杂的，本文简单总结在Winddows环境种配置的全过程，适合新手入门，仅供大家参考。

1、Cuda驱动安装

安装cuda驱动和pycharm的容易搞错的地方就是软件版本的选择，要么是驱动的版本选择错误，要么就是，所以先解决怎么查看版本的问题

1.1 查看显卡硬件

首先看下我们的电脑是否有GPU设备，邮件【我的电脑】，进入到【管理】->设备管理器->显示适配器，可以看到我的GPU显卡是NVIDIA GeForce MX110

1.2 查看cuda版本

接下来，我们再看看应该要下载什么版本的驱动，进入到window命令行界面，
输入命令：nvidia-smi
可以看到：驱动版本号是10.1，驱动的内存大小是2G（小的可怜）以及显卡的版本号

好的既然知道了驱动的版本，我们就去下载驱动，直接进入到英伟达的官网

网址：NVIDIA Developer，进入到Download模块，就可以找到自己要下载的版本

下载好以后，就可以直接安装了，一路next就可以完成cuda10.1驱动的安装,我的下载地址如下：

CUDA Toolkit 10.1 original Archive | NVIDIA Developer

下载exe版本下来后，直接一路安装就可以，安装成功后，

要进行验证，使用验证方法如下，是否安装成功
验证命令:nvcc -V

可以看到cuda驱动是安装成功了的

2、Annaconda python环境准备

为了保持环境的赶紧整洁和隔离性，我再Annaconda种单独准备了一个python环境用于pytorch的安装和部署

2.1 创建pytorch_gpu

进入到window 命令行，执行如下命令
创建环境：conda create -n pytorch_gpu

激活环境：conda activate pytorch_gpu

查看conda的环境：conda env list

2.2 查看python版本

进入到pytorch_gpu（执行：activate pytorch_gpu ），然后执行：python --version
可以看到python的具体版本是3.8.8

3、Pytorch和torchVsion软件安装

最关键的步骤之一，就是确定torch和torchVsion的版本，如果版本没有配套，就很容易出现各种妖孽的问题，确定地址是pytorch的官网：Previous PyTorch Versions | PyTorch

如果cuda版本比较老，就可以直接进入这个链接去找到对应的版本

https://pytorch.org/get-started/previous-versions/

可以看到cuda10.1 对应到的 torch和torchvision的版本

所以接下来去下载pytorch和torchvision就可以，下载地址这里

https://download.pytorch.org/whl/torch_stable.html
找到合适的，找的方法如下：
cu101:表示cuda10.1版本
torch-1.7：表示pytorch的版本
cp38：表示python为3.8版本
win_amd64:表示64位windows系统
如图所示，就是pytorch的要下载的版本：https://download.pytorch.org/whl/cu101/torch-1.7.0%2Bcu101-cp38-cp38-win_amd64.whl

同样的方法找到torchvision，下载torchvision：https://download.pytorch.org/whl/cu101/torchvision-0.8.0-cp38-cp38-win_amd64.whl

4）安装pytorch

把下载下来的pytorch和torch vison,都放在了这个目录D:kaifainstallcuda

进入到python_gpu环境，然后进入到D:kaifainstallcuda，执行如下命令

pytorch安装： pip install "torch-1.7.0+cu101-cp38-cp38-win_amd64.whl"

安装成功界面如下

torchVision安装： pip install "torchvision-0.8.0-cp38-cp38-win_amd64.whl"

安装成功界面如下：

到此，pytorch和torchVision都完成了安装。

4、验证测试

前面已经完成了Cuda驱动、pytorch和torchVsion的安装，现在我们要测试一下是否能使用GPU环境。测试在python_gpu环境种，执行如下代码：

import torch

print(torch.cuda.is_available())

显示为True表示配置成功

当然，我也准备了一段代码来具体跑一下，体现GPU算力的优越性

#coding=gbk
# This is a sample Python script.
import torch
# Press Ctrl+空格 to execute it or replace it with your code.
# Press Double Shift to search everywhere for classes, files, tool windows, actions, and settings.

def test_gpu():
    import time
    import torch
    # 测试gpu计算耗时
    A = torch.ones(5000, 5000).to('cuda')
    B = torch.ones(5000, 5000).to('cuda')
    startTime2 = time.time()
    for i in range(100):
        C = torch.matmul(A, B)
    endTime2 = time.time()
    print('gpu计算总时长:', round((endTime2 - startTime2) * 1000, 2), 'ms')

    # 测试cpu计算耗时
    A = torch.ones(5000, 5000)
    B = torch.ones(5000, 5000)
    startTime1 = time.time()
    for i in range(100):
        C = torch.matmul(A, B)
    endTime1 = time.time()
    print('cpu计算总时长:', round((endTime1 - startTime1) * 1000, 2), 'ms')

# Press the green button in the gutter to run the script.
if __name__ == '__main__':
    print(torch.cuda.is_available())
    test_gpu()

可以看出来GPU的算力还是挺不错的