windows10 CUDA11.4+CUDnn+torch+tensorflow环境配置
注意看显卡版本及torch和tensorflow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
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 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