WIN10安装PaddlePaddle、CUDA和cuDNN

本文档详细介绍了如何在Windows 10系统中安装PaddlePaddle、CUDA和cuDNN。首先,通过Python命令行安装CPU版或GPU版的PaddlePaddle。对于GPU版,需要确定电脑支持的CUDA版本,然后下载相应版本的CUDA和cuDNN。安装CUDA时,遵循自定义安装步骤,将CUDA文件解压并复制到指定目录。cuDNN下载后同样解压并覆盖到CUDA目录。最后,通过Python运行特定命令验证PaddlePaddle-GPU安装是否成功。
部署运行你感兴趣的模型镜像

WIN10安装PaddlePaddle、CUDA和cuDNN



一、安装CPU版的PpaddlePaddle

只需要一条命令即可:

python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

二、安装GPU版的PpaddlePaddle

1. 首先查看自己电脑最高支持的CUDA版本

(1) 右键桌面->NVIDIA控制面板

(2) 点击系统信息->组件,可以看到如图所示,我电脑可以支持到cuda版本为11.4.94

2. 安装paddlepaddle-gpu

(1) 访问 PpaddlePaddle安装文档 网站,按提示选好相关信息,这里选择的计算平台要≤自己电脑支持的最大cuda版本,复制好安装命令

python -m pip install paddlepaddle-gpu==2.1.2.post112 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

注意:如果显卡不是RTX30代的,推荐使用CUDA10.2,性能更优。(这样后续下载的cuDNN版本号需要匹配CUDA10.2,官方推荐cuDNN 7 (cuDNN版本>=7.6.5))

(2) 打开anaconda虚拟环境命令行窗口(这里根据自己所需装在哪个虚拟环境,若没有anaconda,你可以直接安装在本机环境或者去装一个anaconda),运行刚刚复制的安装命令,看到Successfully就成功了

3. 安装CUDA

(1) 访问 PpaddlePaddle安装文档 网站,可以看到CUDA 11.2配合cuDNN v8.1.1

(2) 访问 cuda官网下载地址,点击 CUDA Toolkit 11.2.2

(3) 选择相关选项,点击Download进行下载

(4) 双击打开下载好的cuda_11.2.2_461.33_win10.exe,点击OK

(5) 点击同意并继续

(6) 点击自定义,然后下一步

(7) 继续下一步(这里默认就好)

(8) 继续下一步(这里你可以自定义安装位置,我这里选择默认)

(9) 安装完成,点击下一步

(10) 结束,点击关闭

4. 安装cuDNN

(1) 访问 cuDNN官网下载地址,点击Download cuDNN v8.1.1 (Feburary 26th, 2021), for CUDA 11.0,11.1 and 11.2。
注意:这里选择的cudnn v8.1.1需要匹配cuda 11.2)

(2) 点击 cuDNN Library for Windows (x86) 进行下载

(3) 对下载好的cudnn-11.2-windows-x64-v8.1.1.33.zip进行解压,并打开解压后的目录,并复制该目录下的全部内容

(4) 打开CUDA的安装目录:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2,把刚复制的内容粘贴到此目录下

(5) 复制完成,结束

5. 验证PpaddlePaddle-GPU是否安装成功

(1) 打开刚刚安装了PpaddlePaddle的anaconda虚拟环境命令行窗口。使用 python 进入python解释器,输入import paddle ,再输入 paddle.utils.run_check()。
如果出现PaddlePaddle is installed successfully!,说明您已成功安装。

(2) 若失败,出现
Could not load library cudnn_ops_infer64_8.dll. Error code 126
Please make sure cudnn_ops_infer64_8.dll is in your library path!
这个错误

解决方法:
a. 打开C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin目录,复制该目录下的cudnn_ops_infer64_8.dll

b. 打开C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64目录,进行粘贴

c. 再次验证即可成功

至此就安装完毕了,可以开始你的深度学习之旅啦。


总结

paddlepaddle、CUDA和cuDNN三者版本号需要匹配,这也是官方验证过的,否则可能会出现意想不到的事情。

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

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

在 Jetson Xavier NX 上配置 CUDA 11.4 环境,需要确保开发板固件版本与所需 CUDA 版本兼容,并进行适当的软件栈安装配置。以下是一个详细的步骤指南: ### 准备工作 1. **确认 Jetson Xavier NX 的系统状态**: - 使用 `lsusb` 命令检查设备是否正确连接并被识别为 NVIDIA 设备 [^4]。 - 确认当前的 JetPack SDK 版本,因为不同版本的 JetPack 支持不同的 CUDA 版本。 2. **选择合适的 JetPack SDK 版本**: - CUDA 11.4 在 Jetson 平台上通常对应 JetPack 4.6 或更高版本。 - 如果当前环境不支持该版本,请使用 NVIDIA 提供的 SDK Manager 工具升级或降级至支持 CUDA 11.4 的 JetPack 版本。 3. **更新操作系统驱动程序**: - 更新 Jetson Xavier NX 上的操作系统到最新版本。 - 确保 NVIDIA 驱动程序已更新以支持 CUDA 11.4。 ### 安装 CUDA Toolkit 11.4 1. **下载适用于 Jetson 的 CUDA Toolkit 11.4**: - 从 NVIDIA 官方网站下载针对 Jetson 平台的 CUDA Toolkit 11.4 安装包。 2. **安装 CUDA Toolkit**: ```bash sudo apt update sudo apt install cuda-toolkit-11-4 ``` 3. **验证安装**: - 运行 `nvcc --version` 来确认 CUDA 编译器驱动程序的版本是否为 11.4。 ### 安装 cuDNN(可选) 如果项目中涉及深度学习计算,则还需要安装CUDA 11.4 兼容的 cuDNN 库 [^2]。 1. **下载 cuDNN**: - 从 NVIDIA 开发者网站下载适用于 Jetson 的 cuDNN 版本。 2. **解压并复制文件**: ```bash tar -xzvf cudnn-11.4-linux-aarch64-v8.xxxxxx.tgz sudo cp cuda/include/cudnn*.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` 3. **设置环境变量**(如果未自动配置): ```bash echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` ### 测试 CUDA 环境 1. **编译并运行一个简单的 CUDA 示例程序**: ```cpp #include <iostream> __global__ void helloFromGPU() { printf("Hello World from GPU!\n"); } int main() { helloFromGPU<<<1, 1>>>(); cudaDeviceReset(); return 0; } ``` - 使用 `nvcc` 编译该程序: ```bash nvcc -o hello_cuda hello_cuda.cu ``` - 运行程序: ```bash ./hello_cuda ``` ### 参考资料与依赖项管理 如果需要在 PaddlePaddle 或其他框架中使用 CUDA 11.4,还需参考具体项目的文档进行适配性测试额外的配置 [^3]。 ---
评论 12
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