深度学习平台配置 Pytorch+RTX 44090D + Pycharm

本文介绍如何配置高性能深度学习环境,包括安装CUDA、cuDNN及Pytorch,利用RTX3090 GPU的强大算力提升训练效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

用4090D跑深度学习和本地部署大模型

装CUDA

CUDA是什么?

CUDA(ComputeUnified Device Architecture),是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。

命令提示符中输入 nvcc -V,测试是否有CUDA
在这里插入图片描述

查看本机的CUDA驱动适配版本

桌面右键打开英伟达控制面板,点击帮助->系统信息->组件
在这里插入图片描述

可以看到本机支持的是CUDA 12.7 版本,表示12.7 及以下的版本的cuda都可以。

NVIDIA官网下载

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_local

在这里插入图片描述

下载完直接一路默认安装,再次输入nvcc -V 检查已经安装成功
在这里插入图片描述

安装anaconda

直接下载安装

打开navigator,create新建一个环境,我这里命名为pytorch,
选择uninstalled,即未安装的包。搜索pytorch包,点击安装
在这里插入图片描述
点击绿色三角符号,选择open terminal, 在anaconda prompt 中查看已安装情况
在这里插入图片描述

测试cuda可用

在这里插入图片描述

安装pycharm

选择添加,关联解释器 conda\pytorch\python.exe
在这里插入图片描述
在pycharm环境中运行torch程序,我用的是莫烦python-pytorch例程。import torch语句没有报错,大功告成。
在这里插入图片描述

测试RTX3090 GPU有没有跑起来

3090小试牛刀,mnist手写集训练,参考莫烦502_GPU代码,GPU利用率才5%,果然强大
在这里插入图片描述

cuDNN

什么是CUDNN ?

NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中,如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型,而不是简单调整性能,同时还可以在GPU上实现高性能现代并行计算。

CUDA与CUDNN的关系

CUDA看作是一个工作台,上面配有很多工具,如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库,有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具,比如它就是个扳手。但是CUDA这个工作台买来的时候,并没有送扳手。想要在CUDA上运行深度神经网络,就要安装cuDNN,就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作,工作速度相较CPU快很多。

暂时还用不上cuDNN,等用上了再更新。

评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值