CUDA的安装 — 用自己电脑的GPU跑深度学习模型

原创 已于 2023-05-24 09:27:48 修改 · 2.3k 阅读 · 20 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #pytorch #深度学习

于 2023-05-24 09:18:49 首次发布
本文指导使用Anaconda创建的Python开发环境中安装PyTorch，首先通过nvidia-smi检查CUDA版本，建议选择兼容的CUDA11.7。然后在PyTorch官网获取安装命令，激活虚拟环境后执行该命令。如果遇到pip版本问题，需在虚拟环境中升级pip。
部署运行你感兴趣的模型镜像

本文有用的前提：你是用Anaconda装的python开发环境，用pytorch构建模型。

如何用Anaconda装的python开发环境，请参考另一篇博客，链接如下

 Anaconda + Pycharm，利用Anaconda安装python并配置虚拟环境，包括sklearn、pytorch的安装_learninger_lt7的博客-优快云博客

一、Win + R， cmd —> 输入

nvidia-smi

找到

这里的CUDA Version指的是你的电脑最高支持的CUDA版本，它是向下兼容的，因此，低于12.0版本的CUDA都可安装。

二、进入pytorch官网，PyTorch

往下滑，找到这个，按我这么选

建议选择CUDA11.7版本，我试过11.8，莫名的报错。 

 复制灰色部分的代码。

三、打开开始菜单，找到Anaconda Powershell Prompt，点击进入

 输入：conda activate myEnvs_3_7_16  # (红色部分应根据你自己的虚拟环境名填写)

成功激活虚拟环境后，接着在红线处粘贴刚刚复制的那段代码，然后回车等待安装即可。

如果提示pip版本问题，就在当前界面（虚拟环境已激活的情况下）升级pip，升级pip的代码如下：

python -m pip install --upgrade pip

您可能感兴趣的与本文相关的镜像

Python3.9

Python3.9

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

每天五分钟深度学习PyTorch：如何使用GPU来跑深度学习算法模型？
huanfeng_AI的博客
09-28 1914
gpu_tensor = torch.randn(10, 20).cuda(0) # 将 tensor 放到第一个 GPU 上gpu_tensor = torch.randn(10, 20).cuda(1) # 将 tensor 放到第二个 GPU 上。
cuda 计算 CPU 调用GPU计算
weixin_62592231的博客
03-25 1807
cuda 计算两个向量相加 CPU GPU
租用GPU服务器跑深度学习模型心得
最新发布
G3113542273的博客
11-27 393
如果你的模型是BERT-base、ResNet-50这个量级，且数据集不大，一张消费级显卡（如RTX 3080/4090）完全够用，本地更省心。这些是专门为AI开发者服务的平台，通常对主流框架和环境做了深度优化，开箱即用，性价比极高，特别适合个人开发者和研究者。V100：上一代旗舰，现在仍有不少存量，性能依然不错，如果价格合适可以考虑。起步建议：如果你是第一次使用，强烈建议从一个按量付费的RTX 3090实例开始，选择一个PyTorch镜像，跑一个MNIST或CIFAR-10的demo，熟悉整个流程。
12G显存的显卡能做那些深度学习训练？
程序猿视角
10-13 2520
12G显存的显卡在深度学习模型训练中具有一定的能力，但具体能够训练的模型类型和规模会受到多种因素的影响，如模型的复杂度、数据集的大小、使用的深度学习框架以及显卡的其他性能参数等。
GPU---CUDA安装
weixin_30376323的博客
05-21 199
1下载三个安装包 cudatoolkit_4.2.9_linux_64_sles11.0-suseserver11sp1.run（这个要注意所使用的系统版本） gpucomputingsdk_4.2.9_linux.run devdriver_4.2_linux_64_295.41.run 2 依次安装3个包。运行三个run文件。 （1）toolkit安装时候会提示输入路径...
使用GPU运行TensorFlow模型的教程
热门推荐
m0_71417856的博客
02-26 1万+
本教程将指导您如何在GPU上运行TensorFlow模型，以加速您的机器学习或深度学习项目。我们将涵盖为什么使用GPU、必要的前置知识（如TensorFlow、CUDA、cuDNN等）、环境准备和安装步骤，以及如何在PyCharm和Jupyter等IDE中配置和使用TensorFlow。
GPU英伟达CUDA安装配置
groundhappy的专栏
12-16 4583
所有的DOC资料都在 http://docs.nvidia.com/ http://docs.nvidia.com/cuda/index.html 1查询你的GPU是否支持CUDA 得到你的显卡型号我的是GTX750 查询地址为 https://developer.nvidia.com/cuda-gpus 2下载CUDA库 下载地址为 http
在VScode中如何用自己的电脑的GPU跑深度学习模型代码，基于pytorch的
11-23
在VSCode中使用自己的电脑GPU来跑基于PyTorch的深度学习模型代码，需要确保你的电脑装有NVIDIA GPU，并且已经安装了CUDA和cuDNN。以下是一些基本步骤： 1. **安装PyTorch**: 首先，你需要在你的Python环境中安装...
如何用远程服务器的GPU跑yolo深度学习项目(新手也能学会）
aloha
04-19 3411
6.下载完成后，执行python detect.py，如果出现报错可能是可你在本地pycharm中运行出现的错误一样（步骤3），同样解决掉就行，如果出现其他错误百度一下即可，以下表示检测成功。3.同理，通过Xftp将压缩后的yolo项目传到服务器，解压，执行python train.py就可以开始训练了。切换到自己在xshell中建立的虚拟环境，进入到yolov5的根目录，执行pip install -r requirements.txt(安装所需的依赖包)，如下图。
Windows使用腾讯云GPU跑深度学习
m0_51358406的博客
01-18 1999
纯小白文章，不是最优解；将Windows这边电脑的休眠时间设置为。最近正好腾讯云GPU有活动，购买了GN10X实例，32G的V100，选择的环境是Pytorch。不同自己再重新安装CUDA、Pytorch了很划算~记住和。本文是使用WinSCP将数据集、预训练模型上传到云服务器，然后SSH连接远程控制...
深度学习Tensorflow的坑（一：无法使用GPU加速训练深度学习模型，CUDA与CUDNN相关）
Dcurry的博客
11-21 4325
项目场景： 本研究僧为了秋招卷大厂放弃了半年的深度学习，重回Python的一些坑记录 问题与解决： 1：版本问题 想用GPU加速深度学习的训练一定不能同时下载tensorflow和tensorflow-gpu。 如果遇到了什么tensorflow找不到的bug，请直接删除所有带有tensorflow的包，然后找到对应版本的下载 对应版本是指CUDNN和CUDA以及你自身显卡实力对应的tensorflow-gpu版本。 2.CUDA和CUDNN下载（2、3一起看食用体验更佳！） CUDA下载比较简单 CU
GPU服务器上跑深度学习模型
m0_59705760的博客
01-26 4508
如何在 Linux 操作系统上训练深度学习模型？
Pytorch（gpu），cuda，cudnn安装
qq_48563775的博客
11-25 1万+
Pytorch（gpu），cuda，cudnn安装
使用GPU训练模型
lengyue2015的博客
02-23 2596
本地训练模型可以用CPU和GPU，但是GPU的性能比CPU要好得多，所以如果有独立显卡的，尽量还是用GPU来训练模型。软件一共3.2G，安装软件之前，确定软件有VC++环境，不然会失败。使用GPU需要安装Cuda和Cudnn。我是装了Visual Studio 2019。然后安装ultralytics等基础依赖。编写一个测试代码，看看是否支持CPU。我这里支持的版本是:12.8。GPU版本的torch。
GPU驱动及CUDA安装流程介绍
xujingran的博客
11-16 6971
GPU驱动及CUDA安装流程介绍
跑模型GPU加速没搞定？没关系，只要你量不太大，试试CPU加速也不错！
pepCodeTrader的博客
01-06 1162
其实GPU也不是一定要用的，刚开始学习，CPU是够用的，真以为Intel是吃干饭的？哈哈哈哈~
深度学习GPU环境CUDA详细安装过程
10-26 5641
安装过程，在这安装过程中，我一开始直接选择的精简安装，如果由于VS的原因，导致无法正常安装，可以换成自定义的安装方式，并将VS勾给去掉，便可以正常安装了，至于CUDA的安装目录，大家默认安装在C盘即可。的版本，至于选择哪个版本，个人认为应该没多大差别，一般就是看这个版本是否要求GPU的计算能力是多少以上。，但这里需要你注册一个账号，然后进行问卷之后才可以进行下载页面，反正一步步操作即可。双击打开，显示解压安装目录，不需要改变，默认即可。至此，所有的安装工作已经完成，你可以接下来去安装。
【深度学习实操】一文搞懂如何使用GPU跑深度学习代码！！！(CUDA+torch-gpu下载指南)
@啊哈哈哈哈哈韩的博客
01-16 2144
这个专栏主要是我在学习中总结的一些问题，以备未来笔试和面试之需，不过由于学习的不深入，也只是走马观花，很多问题总结得也不是很透彻，望读者见谅，如果有错误和不足之处，还望大家在评论区指出。检查一下安装的是不是GPU版本，输入pip list，看一下安装的torch版本，如果是有+cu的，就是GPU版本，如果没有带+cu，就是CPU版本，要卸载重新安装，否则会报错！：建议不要下载太高版本的CUDA，11.7就是一个不错的选择，太高的话，后面可能出现和包不匹配的报错，选低不选高，选旧不选新！
一文搞懂：如何在深度学习中使用GPU和cuda加速
Python领域优质萌新学习笔记
12-02 9893
接下来，我们使用 x.tolist() 方法将 x 转换为Python列表并将其添加到 result 中，或者使用 x.cpu().numpy() 方法将 x 转换为CPU上的NumPy数组，然后将该数组添加到 result 中。不是的，len(Xdata)并不在GPU上。要在GPU上创建一个列表，并将张量对象添加到该列表中，可以使用PyTorch的torch.Tensor.tolist()方法或者torch.Tensor.cpu().numpy()方法先将张量转换为NumPy数组，再将数组添加到列表中。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

learninger_lt7

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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