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())