Python&aconda系列:(入门深度学习)二、安装cuda、cudnn与pytorch(避雷版)

332 篇文章 ¥99.90 ¥299.90




(本人最终安装的版本:cuda11.6,cudnn8.4.0,torch1.12.0,torchvision0.13.0,torchaudio0.12.0)

安装配置anaconda后(前一章),该配置pytorch

一、安装cuda

先安装conda cuda ,去官网https://developer.nvidia.com/cuda-toolkit-archive ,下载对应版本的CUDA。(先查看电脑中的支持的cuda版本,再选择比该版本低的进行下载)我下载的是cuda11.6

在这里插入图片描述
在这里插入图片描述
安装cuda时,第一次会让设置临时解压目录,第二次会让设置安装目录;

临时解压路径,建议默认即可,也可以自定义。安装结束后,临时解压文件夹会自动删除;注意:临时解压目录千万不要和cuda的安装路径设置成一样的,否则安装结束,会找不到安装目录的!!!

### NVIDIA GeForce RTX 3050 显卡 SD 卡兼容性和性能分析 #### 关于RTX 3050显卡的基础特性 NVIDIA GeForce RTX 3050 是基于 Ampere 架构的入门级游戏显卡,其主要特点在于支持光线追踪技术和 DLSS 技术[^1]。尽管该显卡定位于较低端市场,但它仍然能够提供不错的图形处理能力,在现代游戏中表现出良好的帧率表现。 #### SD 卡接口及其对 GPU 的影响 SD 卡本身并不直接依赖于 GPU 进行数据读取或写入操作,而是通过主板上的控制器完成任务。因此,对于大多数情况而言,RTX 3050 或其他任何类型的独立显卡都不会直接影响到 SD 卡的功能或者速度。然而,在某些特殊场景下(例如使用外部采集设备或将素材导入 Adobe Premiere Pro (PR) 等软件),可能会间接涉及 GPU 性能: - **视频编辑中的应用**:当用户将高分辨率视频文件从 SD 卡传输至硬盘,并随后利用 PR2020/After Effects(AE) 处理这些媒体资源时,整个流程可能需要调用 CPU 和 GPU 资源来加速解码过程。如果存在旧款低效型存储介质,则可能导致整体效率下降。 - **硬件最低配置需求注意点**:正如之前提到过的内容所指出,“Adobe 2020系统兼容性报告”,不支持低于 GTX 970 的显卡型号运行最新本的应用程序。虽然 RTX 3050 符合这一标准,但如果搭配较慢的数据加载途径(比如老旧 USB 接口连接缓慢移动硬盘装载大量原始影像资料夹),即便拥有强大计算单元也无法充分发挥优势。 #### 实际案例探讨 – 结合 PyTorch深度学习框架视角 除了传统意义上的多媒体创作领域之外,还有另一种可能性值得考虑——即把高性能计算机视觉模型部署到边缘侧终端节点上执行推理运算。此时假设我们正在构建这样一个项目,并计划采用配备 NVMe SSD 加速数据库检索的同时插入一张大容量高速度 UHS-II/UHS-III 类别 MicroSDXC 存储卡作为额外缓存空间保存临时结果集;那么在这种情况下选择合适的驱动器组合变得尤为重要了。 具体来说,可以参照如下步骤准备环境以便验证实际效果: ```bash # 查看当前系统的 CUDA 本信息 nvcc --version # 设置 conda 渠道优先级为中国科学技术大学开源镜像站点 conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes # 创建新的虚拟环境并激活它 conda create -n pytorch python=3.8 conda activate pytorch # 下载 cuDNN 库放置指定路径下 wget http://developer.download.nvidia.com/compute/redist/cudnn/v8.x.y.z/cudnn-x.x-linux-x64-v8.x.y.z.tgz tar -xzvf cudnn-x.x-linux-x64-v8.x.y.z.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* # 更新动态链接库表使更改立即生效 echo '/usr/local/cuda/lib64' | sudo tee -a /etc/ld.so.conf.d/cuda.conf sudo ldconfig # 使用清华 TUNA 镜像源快速获取 pip 所需包体 pip install torch torchvision torchaudio --index-url https://pypi.tuna.tsinghua.edu.cn/simple ``` 上述脚本片段展示了如何针对一台预装有 RTX 30xx 系列显卡的工作站正确安装必要的开发工具链组件集合。值得注意的是,这里并未提及有关物理层面上附加配件(如前所述 SD 插槽)的具体参数设定指南,因为它们通常不会干扰核心逻辑实现环节。 ---
评论
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

打赏作者

坦笑&&life

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
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