windows10 CUDA11.4+CUDnn+torch+tensorflow环境配置

注意看显卡版本及torchtensorflow支持的最新显卡版本

  cmd> nvcc -V    #提示版本表示成功,但不意味着可以使用

  cmd> nvidia-smi   #gpu监控,nvidia-smi | head,经常另开shell观察GPU的运行情况 watch nvidia-smi

 

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

CUDnn下载:https://developer.nvidia.com/rdp/cudnn-archive (我用qq登录)

>D:\software\CUDA\v11.4; D:\software\CUDA\Samples

CUDA+CuDnn安装:https://blog.csdn.net/qq_37386752/article/details/123720250 

验证CUDA+CUdnn是否安装成功:

  cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe

  最终结果都返回了Result=PASS,那么就算成功啦!

查看CUDA环境变量配置:cmd>set cuda 

 

Anaconda:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

Visio Studio 2019下载:https://docs.microsoft.com/zh-cn/visualstudio/releases/2019/release-notes 选c++桌面开发

Visio Studio 2019安装:https://blog.csdn.net/qq_41897154/article/details/115034209

Visio Studio 2019激活码:https://www.win10com.com/wzjc/soft/26979.html

 

conda常用命令

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
# 查看现有虚拟环境
conda env list
#删除环境
conda remove -n env_name --all
#复制环境
conda create -n new_env --clone old_env
 
#安装包
conda install pypi_package
#卸载包
conda remove pypi_package
conda remove --name env_name package_name
#列出包
conda list
 
#清除缓存,一般在删除了某些包,或者升级了包之后执行,可以清理掉许多低版本的安装包
conda clean --all
#更新 base 环境,包括升级 conda
conda update -n base -c defaults conda
#将当前环境中所有的包导出为 yml 文件,用于分享
conda env export > environment.yml
#根据导出的列表新建环境
conda env create -f environment.yml
 
#安装环境
conda create -n env_name
conda create --name env_name
#激活环境
conda activate env_name
#退出环境
conda deactivate
 
#可选的 nlp 处理包
conda install -c anaconda nltk gensim -y
#常用 预训练模型接口
conda install -c huggingface transformers -y

  

torch安装:

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

import torch
torch.cuda.is_available()

tensorflow安装:

pip install tensorflow-gpu

import tensorflow as tf
tf.test.is_build_with_cuda()  #判断CUDA是否可用
tf.test.is_gpu_available(cuda_only=False, min_cuda_compute_capability=None)  #判断GPU是否可用
tf.config.list_physical_devices('GPU')  #
tf.test.gpu_device_name()  #查看gpu名字

 

posted on   iUpoint  阅读(1532)  评论(0编辑  收藏  举报

相关博文:
阅读排行:
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· 单线程的Redis速度为什么快?
· 展开说说关于C#中ORM框架的用法!
· Pantheons:用 TypeScript 打造主流大模型对话的一站式集成库

导航

< 2025年3月 >
23 24 25 26 27 28 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 31 1 2 3 4 5
点击右上角即可分享
微信分享提示