GPU训练环境搭建

作者：YXN-python 阅读量：45 发布日期：2024-12-10

说在前面：

1、整个过程中某下包最好使用国内镜像源安装，临时使用清华镜像源命令：

pip install -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

2、整个过程不能用国内镜像源的，复制下载链接到迅雷下载会快N倍，比如下载CUDA、cuDNN、torch等的时候

1、安装驱动

显卡驱动根据显卡型号下载安装

驱动下载地址：https://www.nvidia.cn/geforce/drivers/

2、安装CUDA

注意：`CUDA` 版本决定了 后面训练环境需要安装的对应 版本，具体可点击下方链接查看：

https://pytorch.org/get-started/locally/

1、查看电脑GPU对应的CUDA版本

打开 NVIDIA控制面板 -帮助 -系统信息 -组件 -NVCUDA64.DLL右边对应的 产品名称 有版本号，

如：NVIDIA CUDA 11.4.176 driver

下载的时候不要超过这个版本，最好就下载该版本，后面的包安装都要参考 CUDA 对应的版本

CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive

2、安装时：

            Extraction path是临时解压路径、后面会自动删除的，

            选择驱动程序组件 的时候，勾选CUDA，其他自由选择，CUDA里面的 Visual Studio Integration 可以不勾选

3、安装后 查看系统环境变量 系统变量 是否存在下面两个环境变量，10_1看版本，只安装了CUDA可能没有后面两条，不影响

CUDA_PATH

CUDA_PATH_V10_1

NVCUDASAMPLES_ROOT

NVCUDASAMPLES10_1_ROOT

查看系统变量的`Path`，查看是否有一下两条内容:

D:\install\CUDA\Development\bin

D:\install\CUDA\Development\libnvvp

没有需要自行根据安装地址添加

4、然后重启，`cmd` 输入 `nvcc -v `查看是否安装成功，只安装了CUDA可能查看不了，不影响

3、安装cuDNN

下载CUDA对应的cuDNN版本，下面链接后面有说明

cuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-archive

安装：将压缩包内的 `bin、include、lib` 内的文件分别放到 `CUDA` 安装目录下的对应文件夹中

4、卸载CPU版

如果安装过cpu版本需要卸载掉

pip uninstall torch torchvision torchaudio

5、安装GPU版

官网寻找 `CUDA` 对应版本的兼容版本的安装命令，打开页面，ctrl+f 搜索要安装版本号，如：CUDA 10.1

地址：https://pytorch.org/get-started/previous-versions/

我的是 `CUDA 10.1`，找到的安装命令如下：

pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

注意：

1、安装过程中 torch 下载很大又特别慢，可以运行命令后复制下载时的下载地址用迅雷下载（很快），然后本地安装

2、虽然上面的pip链接是官网给出的，但是还是存在包找不到的情况，所以在用迅雷下载之前先三个包分开执行以下看存不存在，存在再下载，不存在就再改别的命令，避免浪费时间下载下来又不行

6、测试是否可以用gpu训练

import torch

print(torch.cuda.is_available())  # 如果输出 True，则可以使用 GPU
print(torch.cuda.device_count())  # 输出可用的 GPU 数量
print(torch.cuda.get_device_name(0))  # 查看第一个 GPU 的名称

YXN-python

2024-12-10