Windows安裝CUDA和CUDNN運行環境

2021-01-20 AI檸檬博客
由於很多同學需要使用Windows系統進行GPU上的計算,比如運行TensorFlow或者Pytorch等,在Windows上正確安裝CUDA和CUDNN則成了一個關鍵的問題。與在Linux上安裝的整體流程類似,但是還有一些細節要注意,本文以Windows 10系統為例,進行CUDA環境的安裝,並以TensorFlow驗證安裝的成功。1 安裝最新版Microsoft Visual Studio看到這裡很多人可能會問,就寫個Python程序為什麼要裝vs軟體。其實這是因為,我們需要給我們的計算機安裝Windows系統上包括最新版在內的幾個版本的C++編譯器和運行環境。不同於Linux系統,一個嶄新的Windows系統並不包含這些軟體,所以很多安裝TensorFlow GPU版的同學發現安裝之後,運行時報錯:「ImportError: DLL loadfailed: 找不到指定的程序」。我們從TensorFlow官方的文檔 ( https://www.tensorflow.org/install/source_windows) 中就可以看到對編譯器版本的要求這一點:

而這個問題正是網上很多教程不曾寫到的,也是最令人困擾的一點。

我們需要打開微軟VisualStudio的官方網站:

https://visualstudio.microsoft.com/zh-hans/  

下載並安裝最新版VisualStudio,安裝時必須勾選「使用C++的桌面開發」,其他選項可根據自己實際需要勾選。

2 查看本機的CUDA驅動適配版本在桌面右鍵「NVIDIA控制面板」,點擊幫助->系統信息->組件。

在打開的窗口中,我們可以看到本機當前最高支持的CUDA版本是10.2。如果你升級了驅動,將來也可能會支持更高版本。3 下載CUDA和cuDNNCUDA下載頁面:https://developer.nvidia.com/cuda-downloadshttps://developer.nvidia.com/cuda-toolkit-archive

下載cuDNN時必須選擇和你安裝的CUDA匹配的版本,下載頁面:https://developer.nvidia.com/rdp/cudnn-download下載cuDNN是需要登錄英偉達開發者帳戶的,如果沒有的話,需要註冊一個並填寫問卷,很簡單。註冊並登錄後,即可打開如下頁面,選擇對應的文件並下載。

4 安裝CUDA和cuDNN安裝CUDA時很簡單,跟我們平時裝一個軟體一樣,這裡不再贅述。CUDA安裝完成後,打開powershell,執行nvcc -V ,成功的話會返回cuda版本號。安裝cuDNN首先需要解壓cuDNN壓縮包,可以看到有bin、include、lib目錄。

打開 「C:\Program Files\NVIDIAGPU Computing Toolkit\CUDA」 目錄,找到你安裝的版本目錄,打開,找到bin、include、lib目錄,將cuDNN壓縮包內對應目錄下的文件分別複製到bin、include、lib目錄。如果是新版Windows 10系統,可以直接複製三個目錄到對應路徑下,兩處的目錄會自動合併,不會出現目錄級的覆蓋,最多只會覆蓋同名文件。如果是其他版本系統,為了以防萬一,最好還是手動一一複製到對應路徑下。5 添加環境變量我們需要在系統環境變量的Path項下添加幾個路徑,點擊 編輯 -- > 新建、瀏覽,選擇剛才的安裝路徑。

需要添加的默認的安裝路徑如下:

C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v10.2C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64

如果有安裝到別處,請參考這兩個路徑來填寫。

6 檢查安裝結果在任意路徑下打開powershell終端,比如在桌面處按住Shift鍵,滑鼠右鍵,選擇「在此處打開Powershell窗口」。然後輸入:「nvidia-smi」,如果出現類似如下信息,則表明CUDA安裝成功。

然後我們運行python,並」import tensorflow as tf」,輸入」tf.test.is_gpu_available()」,然後回車,如果出現」True」字樣,則說明完全安裝成功。


科技力量是中國抗疫制勝的法寶

基於動態軟體體系結構的插件機制原理(C語言實現)

ASRT開源語音識別項目開始兼容TensorFlow 2.X

[論文翻譯]SpecAugment:一種用於自動語音識別的簡單數據增強方法

手把手教你從零開始搭建個人博客



博客網址:https://blog.ailemon.me


點擊下方「閱讀原文」即可閱讀博客原文,並參與評論和互動。

點在看,讓檸檬菌知道你在看~

Long-press QR code to transfer me a reward

As required by Apple's new policy, the Reward feature has been disabled on Weixin for iOS. You can still reward an Official Account by transferring money via QR code.

相關焦點

  • Windows平臺搭建CUDA開發環境
    像素格式轉換、視頻編解碼等需要大量計算的算法放入GPU中運行,可以大幅提高運行速度,降低CPU的使用率。要開發基於CUDA的應用,首先必須得先搭建開發環境。官方Windows平臺開發介紹:https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html簡單的測試程序新建工程
  • 手把手教你在 Ubuntu16.04 安裝 GPU 驅動 + CUDA9.0 + cuDNN7
    這篇文章將手把手教你如何安裝 GPU 顯卡驅動、CUDA9.0 和 cuDNN7。值得一試!注意:由於不同系統,不同 GPU 對應的 CUDA 和 cuDNN 均有差異,本文僅以 Ubuntu16.04、NVIDIA GeForce GPU、CUDA9.0 和 cuDNN7 為例,來介紹安裝過程。其它版本過程類似,但存在細微差別,請讀者以實踐為主。
  • 深度學習環境搭建詳細教程
    Anaconda 官網:https://www.anaconda.com/products/individual#windows# Anaconda 國內清華大學鏡像:https://mirrors.tuna.tsinghua.edu.cn/# Windows 下【next】即可,注意選擇將路徑添加到系統環境變量中那個選項
  • tensorflow2.1對應 GPU版本的安裝與卸載
    GTX965M顯卡,win10系統一、檢查tensorflow的Version假定tensorflow 安裝完成,安裝 tensorflow 請參考 集成環境,安裝超簡單__version__如下圖:二、CUDA的安裝安裝cuda的版本 是根據tensorflow的版本來確定的https://developer.nvidia.com/cuda-downloads
  • 人工智慧領域之深度學習環境配置,CentOS7.5系統下配置GPU環境
    03安裝 Nvidia驅動和CUDA安裝 Nvidiasudo chmod 777 NVIDIA-Linux-x86_64-430.14.runsduo bash ./ NVIDIA-Linux-x86_64-430.14.run安裝cudasudo chmod 777 cuda_9.0.176_384.81_linux.run
  • 最新 Tensorflow 2.3 極簡安裝,五分鐘搞定
    2020年8月初,tensorflow 2.3版本發布,Tensorflow的安裝一直是困擾初學者的一個坎,下面我們來看一下如何用五分鐘安裝最新版本的Tensorflow 2.3 。第一步,要檢查和搭建環境。
  • 零基礎玩轉AI工程--阿里雲虛擬GPU機器vgn5i環境部署
    引子: 本篇是承接上篇《全網第一篇,小白阿里雲GPU完全搭建手冊》的姊妹篇,主要介紹阿里雲vgpu機器vgn5I的實際安裝部署教程。需要說明的是,這個vgpu的環境搭建和自己的gpu環境搭建完全不同,安裝的方式和細節點有很多坑,本文主要是填坑指南。
  • katago安裝之nvidia篇
    上一篇講了katago安裝之AMD篇,接下來我將分享cuda(nvidia)版的katago安裝。象nvidia的rtx顯卡系列,需要安裝這個版本。而且cuda版應該比opencl版執行效率高。為什麼呢,這是因為cuda是nvidia專有的,而opencl是一種標準。既然nvidia的cuda已經深入人心了,公司在支持opencl方面就不那麼積極。
  • centos7筆記本雙顯卡安裝nvidia並成功安裝cuda
    這是一篇介紹如何在筆記本上使用centos 7 系統安裝nvidia驅動和cuda 的文章。本篇還會介紹清晰的安裝思路。探索了三天才完成,最後才搞懂思路,中間其實遇到了一個正確的教程,但是沒有思路,所以一直沒成功,這裡先介紹一下前兩天發生的坑。
  • Win10安裝GPU版本的Tensorflow 2.1
    日期:2020年10月17日首先,下載Anaconda個人版,最新版本是3.7,安裝的時候推薦把Anaconda添加到系統環境變量中。安裝目錄選擇默認配置就好,點下一步等等就安裝完成了。下載安裝,cuda 10.1對應的cudnn 7.6版本。
  • NVIDIA顯卡深度學習環境配置教程
    NVIDIA顯卡深度學習環境配置教程前言本文為NVIDIA顯卡深度學習環境配教程,主要內容為在ubuntu環境下安裝NVIDIA顯卡驅動、CUDA以及cuDNN。前面如何配置好Ubuntu基本工作環境請參考 安裝Ubuntu後應該做的事 ,本文提供一種可行穩妥的安裝方法,更詳細的安裝方式還可參考CUDA官方安裝文檔與cuDNN官方安裝文檔。
  • Linux(Ubuntu18.04)CuDNN安裝
    安裝cuDNN主要是為了加速NVIDIA的深度神經網絡程序的運行速度。下載時需要註冊登錄一下,按照提示一步步到下載頁面,我這裡是cuda9.1.85,所以選擇對應的下載包,這裡選擇的是7.0.5的版本。下載完成後解壓到home,下圖給出了安裝步驟。
  • 小叮噹機器學習:Python3.6配置TensorFlow的GPU版詳細安裝教程
    然而網上的大多數都是圍繞python2.7版本的tensorflow教程,下面我們就來看看在Centos7 +pyton3.6的環境下,我們怎麼安裝使用這個功能強大的開源庫的GPU版本。Step1.環境確認想要使用GPU版的TesnorFlow來加速我們的神經網絡運算,首先要確保,我們的GPU依賴環境已經搭好。
  • 如何在windows下安裝python運行環境?新手必看!
    任何程式語言在開發之前都需要安裝編譯或運行環境。python也不例外,在學python之前,我們首先需要安裝下python的運行環境。python是門跨平臺的語言,所為的跨平臺是指在不同的系統上都可以運行,跨平臺的好處就是在寫同樣一段代碼,不需要做任何的修改,就可以在不同的系統上運行,在windows上可以運行、在蘋果系統上可以運行,在Linux上同樣也能運行。
  • 手把手教你安裝Tensorflow GPU版本
    官網下載CUDA8.0 https://developer.nvidia.com/cuda        之後呢,小編參考網上的一個c++環境下的版本,要下載安裝一下vs,但是筆者沒有安裝vs,感覺太麻煩了,筆者下載的dev-cpp。dev-cpp安裝相比起來比較方便。之後就正常繼續操作就行啦。       考慮到C盤容量足夠,這裡選擇的是它的默認路徑。
  • Linux環境下安裝Nvidia顯卡驅動及深度學習組件
    cuda可採取兩種安裝方式:在線安裝和本地安裝2.1cuda在線安裝CUDA在線下載連結:https://developer.nvidia.com/cuda-10.0-download-archive?
  • Win10+GeForce 940MX+Cuda9.2環境安裝PyTorch
    PyTorch官網:https://pytorch.org/1、確認是Win10系統2、確認顯卡是NVIDIA GeForce 940MX3、確認已安裝anaconda3環境4、確認conda下的python環境為3.7.x如果與上述條件不符,本文僅作參考,也可聯繫作者 ^_^02Visual Studio安裝地址https://visualstudio.microsoft.com/zh-hans/vs/older-downloads
  • 實戰深度學習-開發環境搭建
    TensorFlow支持多作業系統的開發,而Windows操作平臺又是使用用戶最多的平臺,所以本系列教程的底層環境就是Microsoft Windows 10 專業版 版本1709 (OS內部版本 16299.492)+TensorFlow GPU版本 1.8。人工智慧實現途徑中火熱的方向是機器學習,而機器學習中火熱的方向又是深度學習。