查看显卡GPU支持的CUDA版本，和对应版本tensorflow

Posted 2023-05-04

参考技术A

1.打开NVIDIA控制面板

   

                                                                                  

 

                                          

 不过我看NVIDIA官网上CUDA10.1的版本没有对应的cuDNN7.4版本，应该是高于cuDNN7.4？

   记得安装MSVC编译器！

   如果需要这几个版本的cuDNN的话，可以看网盘，虽然百度盘..........但是。。。

                                          

 链接： https://pan.baidu.com/s/1xPECnFFTb80uioeljw99NA

 

   提取码：6666

   复制这段内容后打开百度网盘手机App，操作更方便哦

GPU版本的pytorch安装（一次成功）

GPU版本的pytorch安装

• • 一、查看电脑显卡和安装显卡驱动
  • • 1、查看电脑是否支持pytorch
    • 2、更新驱动
    • 3、查看GPU的状态
  • 二、安装CUDA
  • 三、配置CUDA环境变量
  • 四、安装cudaa
  • 五、安装anaconda
  • 六、安装PyTorch
  • 测试是否安装成功

一、查看电脑显卡和安装显卡驱动

1、查看电脑是否支持pytorch

• 在设备管理器中查看计算机显卡型号；例如我的电脑的显卡是GTX 1650.
• 显卡必须是NVIDIA
  

2、更新驱动

• 链接: https://www.nvidia.cn/geforce/drivers/
• 
• 点击立即下载安装驱动更新程序；然后在里面更新最新的驱动程序（这样做这个官方的程序可以为你提供最新的适合你的驱动）

3、查看GPU的状态

• 更新驱动后,打开CMD终端（快捷键：Win+R），命令行输入:nvidia-smi查看GPU状态：
• 
• 看这里的CUDA version：后面的就是你可以安装的最高版本的CUDA

二、安装CUDA

• 链接: https://developer.nvidia.com/cuda-toolkit-archive
• 进入后选择适合自己的CUDA并下载（前面查看了你的设备最高支持的版本，只要版本比这个低就行了）
• 
  
• 选择参数下载即可
• 下载完成后将CUDA安装。
• 注意：建议默认路径，后期需要添加环境变量，安装时选择自定义安装：
• 
• 取消该选项Visual Studio Integration：
  
• 然后安装即可

三、配置CUDA环境变量

注意：该环境变量是默认安装路径下的环境变量，如果版本不同更改其版本号即可

• 鼠标右键计算机（此电脑），打开属性->高级系统设置->环境变量，可以看到系统变量中多了CUDA_PATH和CUDA_PATH_V11_6两个环境变量。
  

• 接下来，还要在系统变量中“新建”，添加以下几个环境变量，以下是默认安装位置的路径的环境变量（左边是变量名，右边是变量值）:

• 该变量添加在系统变量当中：

• 点击新建：

• 下面是环境变量：

CUDA_SDK_PATH = C:\\ProgramData\\NVIDIA Corporation\\CUDA Samples\\v11.6

CUDA_LIB_PATH = %CUDA_PATH%\\lib\\x64

CUDA_BIN_PATH = %CUDA_PATH%\\bin

CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\\bin\\win64

CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\\common\\lib\\x64

• 在path中需要添加的环境变量：

%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.2\\lib\\x64

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.2\\include

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.2\\extras\\CUPTI\\lib64

C:\\ProgramData\\NVIDIA Corporation\\CUDA Samples\\v10.2\\bin\\win64

C:\\ProgramData\\NVIDIA Corporation\\CUDA Samples\\v10.2\\common\\lib\\x64

四、安装cudaa

需要申请账号
链接: https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10

• 下载与自己的cuda版本对应的cudnn
• 下载cudnn后直接将其解开压缩包，然后需要将解压后的bin,include,lib文件夹复制粘贴到cuda安装时的默认路径文件夹下（比如我的是在：C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.2 ）
  是把整个文件夹复制哦（bin,include,lib）
• 测试是否安装成功
• Win+R打开CMD终端执行：nvcc -V 即可看到cuda的信息：
• 
• 出现这样说明安装成功

五、安装anaconda

• 网上有教程，更着安装即可。随便找了一个安装即可：
  不用配置镜像下载环境，安装anaconda即可

六、安装PyTorch

• pytorch镜像下载链接: https://download.pytorch.org/whl/torch_stable.html
  
  
• cu后面的表示cuda版本（例如：cu116对应cuda116版本）
• cp后面表示python版本（例如：cp39对应python3.9）
• win_amd64对应系统版本
  选择对应的torch和torchvision版本下载即可。
• 打开anaconda prompt
  
• 方法一：
  
  在该界面输入（下面的示例不可以直接用）：

pip install D:\\Edge file\\torchvision-0.13.1+cu116-cp39-cp39-win_amd64.whl
# 只是示例不可直接用

pip install 后面跟着的是文件的地址
输入后候车即可

出现successfully即可（torch和torchvision安装方法一样下载好后按照这样的方式安装即可）
方法二：

• 当方法一安装不成功我们可以将下载好的torch和torchvision移动到
• 
  移动到电脑的账户文件夹下面：（我的就是31308文件夹下面）
  然后在anaconda prompt执行下面的语句即可一句一句执行上一句语言出现successfully再进行下一句语言的执行

pip install torchvision-0.13.1+cu116-cp39-cp39-win_amd64.whl
# 只是示例不可直接用

• pip install 后面加安装文件的全名然后回车即可
• 安装好了以后在anaconda prompt里面输入pip list
  
  看到这个就可以了。
• 安装torch和torchvision成功后下载的文件都可删除

测试是否安装成功

在anaconda prompt里面输入：

python 
import torch 
torch.cuda.is_available() 

出现ture就成功啦！

如果是False就是安装不成功，检查上述步骤排查问题。