Win 10 64位服务器RTX3080Ti显卡安装TensorFlow和Pytorch实践(2021.9.22)

Posted jing_zhong

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Win 10 64位服务器RTX3080Ti显卡安装TensorFlow和Pytorch实践(2021.9.22)相关的知识,希望对你有一定的参考价值。

Win 10 64位服务器RTX3080Ti显卡安装TensorFlow和Pytorch实践(2021.9.22)

1、环境

1.1 服务器 + RTX3080Ti显卡(硬件)

Inspur浪潮服务器
RTX 3080Ti显卡

        相信大家都知道,一台高性能的服务器除了具有强大的CPU运行内存外,如果对于图形渲染方面具有较高需求的话,服务器还应该配置较好的独立显卡,因为现有的电脑(笔记本、台式机、服务器)上的集成显卡越来越无法满足学习、工作及科研的需求,尤其是对于人工智能计算机模式识别电子信息等专业的大学生及研究生而言,一个好的显卡不仅能够增强图像图形显示能力,同时还能极大地加快深度学习网络模型的训练速度以便优化调参

1.2 Win 10操作系统+NVIDIA显卡驱动(软件)

        服务器已安装Win 10专业版操作系统,运行内存大概32GB,CPU是16核32线程,显卡设备已在服务器中识别,在计算机右键->属性->设备管理器中都可以进行查看。

设备管理器--->处理器
设备管理器--->显示适配器

1.3 已安装NVIDIA显卡驱动(Version 471.11)

        这里选择的是471.11版本的显卡驱动(NVIDIA官网下载或联系服务厂商即可获得),正确安装完成后在桌面右键可以进入NVIDIA控制面板,在控制面板的系统信息中可查看该显卡对应的显卡驱动版本为471.11支持的CUDA版本为11.4。(也可以通过Win+R打开cmd窗口后输入nvidia-smi命令进行查看)

NVIDIA控制面板系统信息
cmd窗口nvidia-smi

1.4 鲁大师跑分(兴奋)

        正如许多游戏玩家一样,对于新买的显卡,在安装显卡驱动后,都希望利用鲁大师进行性能跑分测试并辨别硬件真伪,那么我也来测试一下RTX 3080Ti的威力吧!

鲁大师综合性能得分
硬件参数
鲁大师GPU测试FPS
Steam(CSGO)实测效果

2、为显卡安装CUDA和CUDNN(Version 11.4)

        到英伟达官网CUDA查找RTX 3080Ti显卡支持的CUDA版本及与CUDA适配的CUDNN版本,最终选择了CUDA 11.4CUDNN 11.4 ,需要注意的是在CUDA和CUDNN的下载页面可以右键复制链接地址,然后利用迅雷下载可有效提高下载速度。

CUDA 下载
CUDNN 下载


        最终利用迅雷下载的CUDA 11.4和CUDNN 11.4这两个安装包文件如下图所示。

2.1 安装Visual C++支持(在安装CUDA前)

        64位 Win10操作系统需要下载Visual C++支持文件VC_redist.x64.exe,双击安装即可。


2.2 安装CUDA11.4

        双击cuda_11.4.0_471.11_win10.exe安装包文件,进入NVIDIA安装程序界面,选择接受软件许可协议,之后需要选择安装位置直接默认即可,在自定义安装程序界面,由于已经安装了显卡驱动,所以CUDA安装包中的一些组件已经安装过了,这里可结合控制面板中的已安装程序(应用和功能)对照查看,由于已经安装了

接受许可协议
选择安装位置



        CUDA安装成功后,打开计算机->属性->高级系统设置->环境变量,查看系统变量下是否有CUDA_PATHCUDA_PATH_V11_4两个环境变量,对应的值即为CUDA的默认安装目录(如果没有,则需要手动新建这两个环境变量)。

        然后WIn+R打开cmd命令行窗口,输入nvcc -V后回车查看到CUDA相关信息(如版本、编译器驱动)即为安装成功。

2.3 安装CUDNN11.4(复制bin、include、lib文件夹下的文件到CUDA对应目录下)

        首先解压cudnn-11.4-windows-x64-v8.2.2.26.zip得到cudnn-11.4-windows-x64-v8.2.2.26文件夹,需要将该文件夹中bin文件夹、include文件夹以及lib文件夹下x64文件夹中的文件分别复制到CUDA安装目录下的bin文件夹、include文件夹以及lib文件夹下的x64文件夹

CUDNN的bin文件夹
复制到CUDA安装目录下的bin文件夹
CUDNN的include文件夹
复制到CUDA安装目录下的include文件夹
CUDNN的lib文件夹下的x64文件夹
复制到CUDA安装目录下的lib文件夹下的x64文件夹

3、利用Conda安装TensorFlow和Pytorch

3.1 安装Anaconda(Python)

        到Anaconda官网下载Windows系统的安装包,下载完后直接安装即可。

下载Anaconda安装包(Windows系统)
安装Anaconda

        Anaconda安装完成后,在开始菜单里可看到Anaconda文件夹,打开Anaconda Prompt命令行窗口,为了提高Anaconda下载依赖包的速度,可配置国内清华源镜像,输入如下命令:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

        要了解Anaconda的常用命令,如查看现有环境列表conda info --envs、创建Python环境conda create --name env_name python=3.6、进入某个环境conda activate env_name、查看当前环境所有的依赖包pip list、进入Python命令行python,这里我创建了两个虚拟环境tensorflow_gpu和pytorch_gpu,分别用来配置TensorFlow和PyTorch。

conda create --name tensorflow_gpu python=3.6
conda create --name pytorch_gpu python=3.6
Anaconda Prompt命令行
进入pytorch_gpu环境

3.2 安装TensorFlow(GPU版)

        在Anaconda Prompt命令行窗口界面,输入conda activate tensorflow_gpu命令进入该环境,然后输入pip install tensorflow-gpu==2.5.0来安装相关依赖包,下图是安装过程中的详细信息。安装完成后可输入pip list查看tensorflow_gpu环境下安装的依赖包。

安装 tensorflow-gpu 2.5.0
安装成功

        安装结束后,在tensorflow_gpu环境下输入python后,可输入以下代码测试GPU版的TensorFlow是否安装成功,如果显示为True同时包含显卡的相关信息则安装成功。

import tensorflow as tf
print(tf.test.is_gpu_available())

3.3 安装PyTorch(GPU版)

        首先到PyTorch官网按照如下图所示选择好配置后,可以看到自动生成pip3 install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio===0.9.1 -f https://download.pytorch.org/whl/torch_stable.html这个命令,仔细分析发现我们已经配置了CUDA环境,现在应该还需要安装torch依赖包即可,所以我们打开https://download.pytorch.org/whl/torch_stable.html页面,找到对应版本的torch依赖包文件torch-1.9.0+cu111-cp36-cp36m-win_amd64.whl(对应CUDA 11版本、Python 3.6以及Windows 64位操作系统)并下载,之后进入pytorch_gpu环境文件目录下的Scripts文件夹,打开cmd窗口并输入命令pip install torch-1.9.0+cu111-cp36-cp36m-win_amd64.whl执行pytorch安装过程,最后提示安装成功。

PyTorch官网自定义环境获得运行命令
下载torch依赖包到本地安装

pip list查看pytorch_gpu环境下安装的依赖包

        为了测试GPU版的Pytorch安装是否成功,可进入python,执行以下代码验证,返回True则表示安装成功。

import torch
torch.cuda.is_available()
x = torch.rand(5,5)
print(x)

以上是关于Win 10 64位服务器RTX3080Ti显卡安装TensorFlow和Pytorch实践(2021.9.22)的主要内容,如果未能解决你的问题,请参考以下文章

AIDA64更新说明透露了大量未发布的RTX显卡,从RTX 3080 Ti到RTX 3050

rtx3080ti属于什么级别显卡 3080ti属于高端显卡吗

稳了!AIDA64添加对RTX 3080 Ti/3060/RTX 3050识别支持

英伟达新显卡 RTX 3080Ti参数曝光 拥有24GB显存

技嘉 RTX 3080 Ti/RTX 3060 显卡通过 EEC 认证

惠普 OEM 驱动曝光英伟达 RTX 3080 TiRTX 3070 Ti 等显卡信息