1. 운전자 정보 보기
# 进入CMD输入命令
nvidia-smi
오른쪽 하단에 있는 아이콘을 통해 NVIDIA 설정을 열어 볼 수도 있습니다.
2. CUDA 다운로드 및 설치
1. 다운로드
下载地址 https://developer.nvidia.com/
2. 설치
사용자 정의 설치를 권장합니다. 오류 및 설치 실패를 방지하려면 Cuda만 확인하고 이것만 설치하는 것이 좋습니다.
3. 검증
CUDA가 성공적으로 설치되었는지 확인하려면 cmd를 열고 nvcc –V를 입력하고 다음과 같은 결과가 나오면 설치에 성공한 것입니다.
3. CUDANN 다운로드 및 설치
1. 다운로드
下载地址 https://developer.nvidia.com/rdp/cudnn-download
[참고] Cuda와 CudaNN의 관계
cuda와 cudann은 NVIDIA가 GPU 가속 컴퓨팅을 위해 사용하는 두 가지 핵심 기술입니다.
이들의 관계는 다음과 같습니다.
- cuda는 NVIDIA가 출시한 GPU 프로그래밍 프레임워크이자 플랫폼으로, GPU의 일반 컴퓨팅에 사용됩니다. C 언어와 유사한 인터페이스를 제공하므로 개발자는 CUDA C/C++를 사용하여 GPU 프로그램을 작성하고 GPU 가속을 달성할 수 있습니다.
- cudnn은 nvidia가 cuda를 기반으로 개발한 심층신경망 가속 라이브러리입니다. 일반적인 신경망 작업에 최적화되어 있으며 GPU의 병렬 컴퓨팅 기능을 최대한 활용할 수 있으며 신경망의 훈련 및 추론 프로세스를 크게 가속화할 수 있습니다. cudnn은 nvidia gpu만 지원하며 cuda 환경이 설치되어 있어야 합니다.
따라서 cudnn은 특히 딥 러닝 분야의 애플리케이션을 가속화하는 데 사용되는 cuda를 사용하고 확장합니다. 이는 nvidiacuda 생태계의 중요한 부분입니다. 개발자는 cuda를 기반으로 구축하고 cudnn을 사용하여 신경망 애플리케이션의 성능을 더욱 최적화할 수 있습니다. 정리하자면, cuda는 일반적인 GPU 컴퓨팅 프레임워크를 제공하고, cudnn은 이를 기반으로 딥러닝 최적화를 수행합니다. 둘 사이의 관계는 다음과 같습니다. cudnn은 확장 및 최적화를 위해 cuda를 사용하여 nvidia GPU 가속 플랫폼의 중요한 부분을 구성합니다.
2. 설치
압축을 풀고 Cuda 설치 경로에 세 개의 폴더를 배치합니다. 효과가 있었습니다.
3. 검증
Cuda가 설치된 루트 디렉토리에 들어가서 extras/demo_suite 폴더를 찾으세요.
cmd에서 실행하고, deviceQuery와 BandwidthTest를 각각 실행해 보면, 아래와 같은 두 가지 패스가 나타나면 성공한 것입니다.
4. 파이토치 다운로드 및 설치
1. 다운로드
pytorch.org 공식 웹사이트로 이동하여 Cuda 버전에 해당하는 pytorch 버전을 선택하세요. 다음 명령을 입력하여 설치합니다.
2. 설치
공식 웹사이트에서 생성된 pip 명령을 입력하기만 하면 됩니다.
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu1183. 검증
# cmd中输入python进入交互模式
# 能导入成功说明有pytorch
import torch
# 显示pytorch的版本
torch.__version__
# 测试pytorch是否支持Cuda
torch.cuda.is_available()
# 看看Cuda操作的第0个显卡是什么（device就是显卡）
torch.cuda.device(0)
# 看看一共有几个显卡
torch.cuda.device_count()
# 显示第0个显卡（device）的名字
torch.cuda.get_device_name(0)
다섯째, 쿠다 구덩이를 설치하라
1. 컴퓨터 관리자 또는 유사한 바이러스 백신 소프트웨어를 닫습니다.
2. 사용자 정의 설치 선택
3. 설치되지 않았습니다
Cuda만 설치하는 것이 좋습니다
Nsight开头的不安装
Visual Studio不安装
Driver components不安装（新版本小于当前版本就不安装）
NVIDIA GeForce Experience如果有也不安装