ICode9
精准搜索请尝试： 精确搜索
首页
编程语言>
数据库
系统相关
互联网
其他分享
Python
Java
JavaScript
android
PHP
首页 > 系统相关> 文章详细

Windows10系统pytorch、cuda11.0、cuDNN安装

2021-01-08 17:32:24  阅读：829  来源： 互联网

标签：11.0 Windows10 cuDNN pytorch CUDA 版本 安装 cuda


1.Cuda和cuDNN安装

1.1 显卡版本、Cuda版本和cuDNN版本的关系

参考CSDN博客：nvidia驱动，cuda与cudnn的关系

  • NVIDA驱动，在NVIDA控制面板的系统信息，组件中看到的driver就是。
  • CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。CUDA的本质是一个工具包（ToolKit）
  • CUDA Toolkit本地安装包时，内含特定版本Nvidia显卡驱动的，所以只选择下载CUDA Toolkit就足够了，如果想安装其他版本的显卡驱动就下载相应版本即可。
    • 所以，NVIDIA显卡驱动和CUDA工具包本身是不具有捆绑关系的，也不是一一对应的关系，只不过是离线安装的CUDA工具包会默认携带与之匹配的最新的驱动程序。
    • 注意事项：NVIDIA的显卡驱动器与CUDA并不是一一对应的
    • CUDA本质上只是一个工具包而已，所以我可以在同一个设备上安装很多个不同版本的CUDA工具包，比如我的电脑上同事安装了 CUDA 9.0、CUDA 9.2、CUDA 10.0三个版本。
    • 一般情况下，我只需要安装最新版本的显卡驱动，然后根据自己的选择选择不同CUDA工具包就可以了，但是由于使用离线的CUDA总是会捆绑CUDA和驱动程序，所以在使用多个CUDA的时候就不要选择离线安装的CUDA了，否则每次都会安装不同的显卡驱动，这不太好，我们直接安装一个最新版的显卡驱动，然后在线安装不同版本的CUDA即可。
    • 总结：CUDA和显卡驱动是没有一一对应的。
  • cuDNN是一个SDK，是一个专门用于神经网络的加速包，注意，它跟我们的CUDA没有一一对应的关系，即每一个版本的CUDA可能有好几个版本的cuDNN与之对应，但一般有一个最新版本的cuDNN版本与CUDA对应更好。

1.2 下载Cuda

1.2.1 确定版本

在win10的搜索框里搜索 NVIDIA，找到在这里插入图片描述
点击后在弹出的NVIDA控制面板中找到系统信息，位置可能比较隐秘，仔细找找
在这里插入图片描述
然后就可以看到自己的CUDA驱动的版本，然后就去下载这个版本的就好了

1.2.2 cuda向下兼容的问题

在安装的时候，驱动是11.0的，但是cuda已经出现了11.1.3。关于cuda向下兼容，网上有好几种声音。

1.2.3 下载链接

最新版本下载链接: https://developer.nvidia.com/zh-cn/cuda-downloads

找过去的版本，在上面的链接页面中找到CUDA早期版本档案，对应的链接是：https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述
注意，每行两个链接，前面的是安装包链接，后面的是在线文档，不要点错了。。
在这里插入图片描述
找到后，选择对应的操作系统Operating System，架构Architecture（一般默认x86_64），系统版本（version）（10就是win10），安装类型Installer Type（网好就network，一般都选local）

我下载的是11.0 update，对应的链接是：

1.2.4 下载慢的问题

考虑链接另存为，然后使用一些下载工具下载，我这里分享一个老版本的迅雷，没啥广告的：
（不用迅雷，浏览器下载：直接失败，或者几十KB，迅雷的话，能有3MB多）

链接：https://pan.baidu.com/s/1iw9JzZJLSO5BlzL8TA7ffw
提取码：201z

1.2.5 安装时的系统要求

下载好了，也不要着急安装。。
搜索的时候就看到网上很多安装失败的，看了一下11.0的windows安装文档
大家可以找自己对应的，CUDA早期版本档案页面里对应版本后面的Versioned Online Document：

下面这个图是支持的系统版本和编译器版本
在这里插入图片描述
查看操作系统版本：(命令行打开的时候就可以看到，如果看不到，就输入ver)
在这里插入图片描述

查看自己系统的MSVC Version

注意，一般还是需要安装Visual Studio的，不然不会看到complier的，下面这个是重分发包。

方法一：
参考CSDN博客：MSVC版本号对应

在卸载软件中查看自己的Microsoft Visual C++版本，例如，我这里是14.23XXX，查上面那个博客，应该是1922以上，
在这里插入图片描述

方法二：

参考Stack Overflow回答：Finding version of Microsoft C++ compiler from command-line (for makefiles)
Microsoft C++ compiler (cl.exe)

找到自己安装位置，然后在那个目录下命令行中直接运行cl.exe即可

1.3 安装及配置

注意，搜索了一下，安装cuda不需要visual studio的，使用conda安装那些深度学习框架会比较好，会自动安装一些依赖。

1.3.1 安装

如果想要看双击exe之后的安装步骤界面，可以参考：Win10安装CUDA10和cuDNN

如果选择精简安装，可能就没有配安装位置，等会可能要找找，一般默认是安装在：C:\Program Files\NVIDIA GPU Computing Toolkit

1.3.2 配置

需要配置系统路径，但是上一步安装完之后去查看，默认已经配好了？
确保配了bin文件夹、lib\x64文件夹（默认配的是bin和libnvvp）。
如果不放心，可以把include也配上。
在这里插入图片描述

1.3.3 验证是否成功

验证是否安装成功

在命令行输入：

nvcc -V

在这里插入图片描述
或者打开 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite （其中v10.2对应自己的版本号），执行bandwidthTest.exe
在这里插入图片描述
再执行deviceQuery.exe
在这里插入图片描述

这样基本就是没问题了

1.4下载cuDNN

下载链接：https://developer.nvidia.com/rdp/cudnn-download
需要注册一个NVIDA账号，登录之后才可以下载(验证邮箱的邮件有概率在垃圾箱里)

登录过程挺艰难的，完成登录后，还是这个链接：
https://developer.nvidia.com/rdp/cudnn-download在这里插入图片描述
注意，可以点开看看其他的，都是x86基本上，所以就是这个了。而且看其他教程里下载页面的截图，也基本上是这个了。（这个版本没有专门的win7/win10的分类）
在这里插入图片描述
11.0版本cuda对应的cuDNN版本下载的链接：
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.0.5/11.0_20201106/cudnn-11.0-windows-x64-v8.0.5.39.zip
很奇怪的是，写的是x86，但是下载下来的包名称确是x64，哈哈哈。
（很奇怪，这个用迅雷下都连接不到资源，但是用浏览器下却很快。。。）

1.4 安装cuDNN

解压后得到三个文件夹，把这三个文件夹中的内容分别放到之前cuda对应的文件夹中。
在这里插入图片描述

  • 以bin文件夹中的内容为例，cuDNN的bin中的内容名称类似：cudnn_adv_infer64_8.dll，所以还是很容易和cuda的bin中的内容区分开的。
  • include(cudnnXXXX.h)和lib（cudnnXXXX.lib）中的同理

这个不需要什么验证，需要在pytorch编程运行代码之后去判断。

2. pytorch安装

2.1 在线安装

pytorch官网：pytorch
在这里插入图片描述
选择自己合适的配置，然后去下载就好了。
我本机anaconda默认的环境是python3.7的，cuda版本是11.0，刚好（还好没有下载11.1的）。

conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c pytorch
conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# 使用这个，速度飞起来
# 但是依然还是有
conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c conda-forge
# 难过 这里搜不到我这个版本，只能用pytorch这个源

搜了一波，清华镜像已经恢复了，参考知乎专栏文章：Anaconda清华大学开源镜像近日将恢复!。反正2020.3.14之后又可以用了。

清华大学开源镜像站链接：https://mirrors.tuna.tsinghua.edu.cn/

但是即便使用了清华的源，两个最重要也是最大的包：

  • cudatoolkit=11.0.221
  • pytorch=1.7.1
    依然无法下载
    在这里插入图片描述在这里插入图片描述

无效的尝试
搜索后参考：镜像安装pytorch的简便方法总结
反正就是换几个源试试：

阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

使用阿里云的源去进行安装

conda config --add channels http://mirrors.aliyun.com/pypi/simple/  
pip install pytorch torchvision torchaudio cudatoolkit=11.0 -c http://mirrors.aliyun.com/pypi/simple/  
# 我这边一直报阿里云这个源有问题，404

有效的尝试
无效，反正就剩两个包了，考虑直接用pip安装剩下的两个，还是去官网点，然后产生正确的命令

pip install torch===1.7.1+cu110 torchvision===0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
# 也有人在这里加入清华的镜像，我没加，下的也挺快的

不过比较怪异的是，上面conda下载的时候，包的大小和pip下载的包的大小差的很远。。。
在这里插入图片描述

参考：

2.1.1下载速度慢

速度太慢，参考知乎专栏文章：

2.2 离线安装

去清华镜像网站下载对应版本： Index of /anaconda/cloud/pytorch/win-64/

2.3 验证

参考：pythorch-get started-verification
在python环境中输入以下代码：

import torch
x = torch.rand(5, 3)
print(x)

输入类似于：

tensor([[0.3380, 0.3845, 0.3217],
        [0.8337, 0.9050, 0.2650],
        [0.2979, 0.7141, 0.9069],
        [0.1449, 0.1132, 0.1375],
        [0.4675, 0.3947, 0.1426]])

如果想检查GPU驱动和CUDA是否可以被PyTorch使用，运行以下命令：

import torch
torch.cuda.is_available()

输出为true，表示安装成功。
在这里插入图片描述

参考内容

cuda安装参考：

标签：11.0,Windows10,cuDNN,pytorch,CUDA,版本,安装,cuda
来源： https://blog.csdn.net/Castlehe/article/details/112329058

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

关于我们 | 联系我们 | 留言反馈

专注分享技术，共同学习，共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有