Installez CUDA11.0 + CUDNN8.0 + tensorflow-gpu2.4.1 + pytorch1.7.0 sous Win10
lien de téléchargement
Téléchargement officiel: CUDA et CUDNN .
Installez CUDA
Avant l'installation, il est recommandé de désactiver 360 Security Guard
Double-cliquez sur le fichier cuda_11.0.3_451.82_win10.exe
pour modifier le chemin d'installation en fonction de vos besoins
Décochez l'intégration de Visual Studio
Configurer les variables d'environnement
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp;
Installez CUDNN
Décompressez le CUDNN téléchargé, comme indiqué ci-dessous.
Copiez les fichiers bin, include et lib dans le dossier CUDNN directement dans le répertoire d'installation de CUDA. La figure suivante montre l'emplacement d'installation de CUDA. Collez-le et écrasez-le directement.
# CUDA的安装目录
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
Attendez que la copie soit terminée, vous pouvez!
Vérifiez que CUDA est installé avec succès
Ouvrez cmd, entrez la commande suivante, vous pouvez!
nvcc -V
Installez tesorflow-gpu 2.4.1
Afficher la version correspondante
https://tensorflow.google.cn/install/source_windows#gpu
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.4.1
Code de test
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
print(tf.__version__)
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print('GPU:', tf.test.is_gpu_available())
Installez pytorch-gpu 1.7.0
Afficher la version correspondante
https://pytorch.org/get-started/previous-versions/
pip install torch===1.7.0+cu110 torchvision===0.8.1+cu110 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html
Code de test
import torch
print(torch.__version__)
print(torch.cuda.is_available())