pytorch需要装cudnn吗,cuda需要自己安装吗

  pytorch需要装cudnn吗,cuda需要自己安装吗

  因为超分辨率图像重建的训练,需要在Pytorch的框架下训练模型,从Pytorch的安装开始。跌跌撞撞尝试了很多方法,下面总结了以下最有效的菜鸟级Pytorch框架的构建和安装。

  

1、CUDA的安装与测试

1.1 cuda适配版本查询

CUDA是GPU计算的开发环境。它是一种全新的硬件和软件架构,可以将GPU视为并行数据计算设备来分配和管理计算。在CUDA的架构中,这些计算不再需要像过去所谓的GPGPU架构那样,将计算映射到图形API(OpenGL和Direct 3D)中,因此对于开发者来说,CUDA的开发门槛大大降低。

  要安装cuda,首先要检查你电脑的cuda适配版本。首先,在电脑的搜索框中搜索NVIDIA控制面板。

  进入后,点击左下角的系统信息-组件-找到NVCUDA64.DLL,如下图:

  你可以看到你的电脑可以下载的最大版本的cuda。然后开始下载适配的cuda版本。

  1.2 cuda的下载安装首先进入cuda官网:cuda toolkit archive NVIDIA developer。

  选择你适配的CUDA工具包,点击展开,选择windows操作系统,选择下图,完成下载安装。

  下载,安装的时候可以选择一个自己了解的安装路径,然后按照安装的默认直接进入下一步。

  1.3测试是否安装了cuda。windows R打开运行框,输入cmd,输入终端,输入nvcc -V,出现以下结果:

  安装成功。

  2.CUDNN 2.1的调试与测试CUDNN CUDNN的安装:是NVIDIA打造的深度神经网络加速库,是深度神经网络的GPU加速库。如果要用GPU来训练模型,CUDNN不是必须的,但是这个加速库一般会用到。总结。简单来说,CPU适合串行计算,擅长逻辑控制。GPU擅长并行高强度并行计算,适合训练和学习AI算法。CUDA是NVIDIA负责管理计算单元分配的框架。CUDNN是一个用于深度神经网络的gpu加速库。进入cudnn官方下载网站:NVIDIA cuDNN NVIDIA Developer。

  但是官方下载避免不了注册然后登录才能到下载的版本选择界面。因为外网可能需要翻墙,否则进不去,网速很慢。这是另一种下载方法:

  首先点击cuDNN存档 NVIDIA Developer进入cudnn的版本选择界面,找到适合cuda的cudnn版本,然后点击展开。

  鼠标右键找到cuDNN库for Windows(x86),选择复制链接,打开下载器。这里推荐迅雷下载器,打开迅雷下载器的输入链接即可自动下载。

  虽然下载有点慢,但是可以下载,免去了翻墙注册的麻烦。下载后解压,将三个文件复制,在解压后的文件中包含cactus,lib,然后进入cuda的安装目录,这里我是C: Program Files NVIDIA GPU Computing Toolkit CUDA v 11.1,然后点击粘贴覆盖。具体流程图如下:

  复制以下三个文件:

  将覆盖图粘贴到c: program files NVIDIA GPU computing toolkit cuda v 11.1文件夹中。

  然后配置环境变量,打开控制面板-系统和安全-系统-高级系统设置-高级-环境变量,找到路径,点击编辑。

  单击新建并输入c: program files NVIDIA corporation nvsmi。

  然后各点确认(某些点确认),就可以成功安装cudnn了。

  2.2测试CUDNN windows R,输入cmd打开命令提示符,键入nvidia-smi,看到如下结果:

  安装成功。

  3.pytorch 3.1的安装和测试pytorch的安装。python中pytorch的具体模块是torch,所以安装pytorch就是安装torch包。具体步骤如下:

  创建一个虚拟环境来下载火炬

  A create-n pytorch python==3.7基于python3.7创建一个名为pytorch的虚拟环境。

  环境当它出现时,键入y创建一个虚拟环境。

  进入虚拟环境下载pytorch

  condactivate pytorch(虚拟环境名称)

  然后打字

  安装torch===1 . 8 . 0 torch vision==0 . 9 . 0-f https://download.pytorch.org/whl/torch_stable.html开始下载torch,下载任务即可完成。

  3.2 py torch的测试打开cmd面板,在python环境中输入python,输入

  导入火炬打印的结果(火炬。_ _ version _ _)显示相应的pytorch版本,表明安装已经成功。验证pytorch是否能正常调用cuda,然后进入上面。

  Print(torch.cuda.is_available())得到TRUE。如果得到FALSE,则意味着cuda的版本与pytorch的版本不匹配。具体适配问题请参考下图:

  希望能对大家有所帮助!

pytorch需要装cudnn吗,cuda需要自己安装吗