最近在研究目标检测算法,整了个猫狗分类的数据集,一共2.4万张图片,结果CPU版本的PyTorch根本跑不动,所以下定决心安装个Cuda,把显卡的性能发挥起来。
第一步:查看显卡的驱动版本
1.打开控制面板,找到NvidIa控制面板
2.点开系统信息,查看显卡驱动支持的Cuda版本。我的GeForce GTX 1050显卡的驱动版本431.60,支持的Cuda Driver是10.1.120。
第二步:找到对应的Cuda+cuDNN
1.下载Cuda Tookit
根据显卡的Cuda Driver版本找到对应的Cuda Toolkit。跟我的先看驱动的版本是匹配的。
_ https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html_
打开下面的网址找到对应的Cuda版本。
CUDA Toolkit 11.7 Downloads | NVIDIA Developer
最新的是11.7,得去找历史版本安装。
2.下载对应的cuDNN
打开下面的链接
cuDNN Archive | NVIDIA Developer
由于我的Cuda版本是10.1,所以只能下载cuDNN8.0.4版本
3.安装Cuda
双击安装文件
点击确定
点击同意并继续,选择精简模式安装
一路Next,安装成功
4.安装cuDNN
解压缩相关的文件,并复制到Cuda安装目录对应的文件夹中去。
5.配置环境变量
打开环境变量设置对话框,将CUDA_PATH、CUDA_PATH_V10.1设置未CUDA的安装目录
编辑Path变量,将下面三个变量也添加进去。
6.检查下是否安装成功
到这里Cuda和cuDNN安装完毕。来验证下是否成功。
用Win+R键,打开CMD对话框。
输入:nvcc -V,出现下面的界面表示安装成功。
1.打开下面的链接寻找对应的whl版本
https://download.pytorch.org/whl/torch_stable.html
由于我的Python版本是3.8,所以只能安装torch-1.8.1+torchvision-0.9.1版本
2.下载完成之后用pip命令安装
pip install D:\soft\torch-1.8.1+cu101-cp38-cp38-win_amd64.whl
pip install D:\soft\torchvision-0.9.1+cu101-cp38-cp38-win_amd64.whl
3.pip list检查下是否安装成功。
第四步、在Jupyter Notebook里试试。
显示设备是cuda,这样就可以使用GPU进行训练了。虽然显卡不是很好,但速度已经比CPU快不少了。
Original: https://blog.csdn.net/weixin_46284012/article/details/125354693
Author: 努力学习AI的夜海
Title: Window7安装Cuda实践
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/710324/
转载文章受原作者版权保护。转载请注明原作者出处!