window11系统配置深度学习pytorch

本文记录如何在本地Window11 系统上配置深度学习GPU环境,整个操作过程很顺利。

1 查看系统适用的cuda版本

打开nvidia控制面板查看cuda最高可使用的版本

本文记录如何在本地Window11 系统上配置深度学习GPU环境,整个操作过程很顺利。
1 查看系统适用的cuda版本

打开nvidia控制面板查看cuda最高可使用的版本


或者也可以在终端输入nvidia-smi命令查看,如下所示(PS:本人GPU比较垃圾,只用于本地代码测试)

上述cuda 12.3版本是稍后能安装的cuda的最高版本,不超过它即可。

2 下载cuda

网站:
cuda

根据需要安装的深度学习框架,如pytorch,根据需要pytorch的具体版本下载对应版本的cuda安装,因为网络上很多代码是对应不同pytorch版本的,复现深度学习框架时最好也原论文里面的环境一致,同时也能避免因不同pytorch版本因为更新关系导致的api变更带来的麻烦。
pytorch版本选择(不同版本适用不同的cuda版本):
pytorch

cuda版本选择:

3 下载cudnn

以下是为什么安装cuda后需要安装cudnn的原因:

安装CUDA(Compute Unified Device Architecture)之后,通常需要安装CUDA深度神经网络库(cuDNN)的原因是因为cuDNN是专门为深度学习优化的高性能库,它提供了CUDA上的卷积神经网络(CNN)和其他深度学习算法的加速。cuDNN通过利用GPU的并行处理能力,显著提高了深度学习模型的训练和推理速度。

以下是安装cuDNN的一些主要原因:

  1. 加速深度学习模型:cuDNN提供了优化后的CUDA内核,用于执行卷积、池化、激活函数等深度学习算法。这些内核可以显著提高模型训练和推理的速度,从而加快整个深度学习工作流程。
  2. 简化编程:cuDNN提供了一系列的高级API,这些API可以简化深度学习模型的实现,允许开发者专注于模型设计而不是底层细节。
  3. 提高性能:通过优化CUDA内核,cuDNN能够充分利用GPU的计算能力,从而提供比CPU实现更高的性能。
  4. 支持多种框架:cuDNN与多个流行的深度学习框架(如TensorFlow、PyTorch、Caffe等)兼容,使得开发人员能够轻松地将cuDNN的加速功能集成到他们的深度学习项目中。
  5. 更新与维护:NVIDIA定期更新cuDNN,以支持最新的深度学习模型和算法,并提供对最新GPU架构的支持。
    因此,如果你计划在GPU上进行深度学习相关的计算,安装cuDNN是一个明智的选择,因为它可以显著提高性能并简化开发过程。

安装cudnn时,其官网一直打不开,其官网为:
cudnn

这里提供一个仓库,直接下载对应cuda版本的cudnn即可。
cudnn不同版本仓库

4 具体安装工作

4.1 cuda安装

下载cuda后:

双击安装,一路next直到:

这里:如果先前进行了cuda的安装,现在要重新安装的,需要将之前的版本卸载之后重新安装,重新安装时不再选择自定义安装,而是选择精简安装。
若之前还未进行过cuda的安装,现在的安装选择自定义:

不要选Visual Studio Integration,即使选了也不能成功安装。

之后记录安装的位置,后续如果环境变量没有自动配置,需要根据此位置配置环境变量(一般都是自动安装配置好了)

验证cuda安装是否成功:键盘win+R键,输入cmd,并回车,打开CMD命令框。输入如下命令 :

bash 复制代码
nvcc --version

正常输出即没问题;

4.2 cudnn安装

cudnn下载是个压缩包,解压将其中的文件复制到cuda下即可
默认位置:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
注意这里的v11.3应该对应自己下载的具体版本型号。

4.3 深度学习框架安装

上述cuda的安装是任何一个需要gpu运算的深度学习框架都必须的,这里以pytorch为例安装pytorch,其他深度学习框架要对应cuda对应的深度学习框架版本。

查询cuda版本对应的pytorch,这里是cuda 11.3,pytorch1.11
pytorch

复制pip 安装即可,如果显示超时,需要科学上网。
验证Pytorch是否可调用gpu。

依次输入

python 复制代码
import torch
torch.cuda.is_available()

总结

本文详细描述如何在window系统下配置pytorch深度学习环境,一般跑深度学习网络需要在服务器上,本地一般用于测试代码。

后续开始进行深度学习+遥感 方面的专栏,主要涉及常见的云,水体,建筑物等地物的语义分割,以及船,飞机等的目标检测以及相应的变化检测等领域。

欢迎收藏,点赞,咨询,也欢迎讨论交流,一起打造好的遥感领域的知识分享专栏。

同时欢迎私信咨询讨论学习,咨询讨论的方向不限于:地物分类/语义分割(如水体,云,建筑物,耕地,冬小麦等各种地物类型的提取),变化检测,夜光遥感数据处理,目标检测,图像处理(几何矫正,辐射矫正(大气校正),图像去噪等),遥感时空融合,定量遥感(土壤盐渍化/水质参数反演/气溶胶反演/森林参数(生物量,植被覆盖度,植被生产力等)/地表温度/地表反射率等反演)以及高光谱数据处理等领域以及深度学习,机器学习等技术算法讨论**,以及相关实验指导/论文指导等多方面。**
遥感专栏

相关推荐
大千AI助手5 分钟前
粒子群优化(PSO)算法详解:从鸟群行为到强大优化工具
人工智能·算法·优化算法·pso·粒子群优化
新手村领路人24 分钟前
飞桨paddlepaddle旧版本2.4.2安装
人工智能·paddlepaddle
Elastic 中国社区官方博客30 分钟前
带地图的 RAG:多模态 + 地理空间 在 Elasticsearch 中
大数据·人工智能·elasticsearch·搜索引擎·ai·语言模型·全文检索
云卓SKYDROID31 分钟前
无人机云台电压类型及测量方法
人工智能·目标跟踪·无人机·高科技·航线系统
云雾J视界1 小时前
AI时代技术面试重构:谷歌如何用Vibe Coding与抗作弊革命重塑招聘
人工智能·google·面试·重构·谷歌·ai工具·技术面试
BFT白芙堂1 小时前
GRASP 实验室研究 论文解读 | 机器人交互:基于神经网络引导变分推理的快速失配估计
人工智能·神经网络·机器学习·mvc·人机交互·科研教育机器人·具身智能平台
深蓝学院1 小时前
智源研究院新研究:突破物理世界智能边界的RoboBrain 2.0,将重构具身AI能力天花板
人工智能·重构
做萤石二次开发的哈哈1 小时前
萤石安全生产监管解决方案:构建企业安全智能化防护网
大数据·人工智能
万米商云1 小时前
碎片化采购是座金矿:数字化正重构电子元器件分销的价值链
大数据·人工智能·电子元器件·供应链采购
GoldenSpider.AI1 小时前
马斯克访谈深度解读:机器人、AI芯片与人类文明的未来
人工智能·机器人·starlink·spacex·tesla·elon musk·optimus