转载请注明作者和出处:http://blog.csdn.net/john_bh/

文章目录

  • 1. 概念说明
  • 2. CUDA
  • 3. cuDNN

1. 概念说明

CUDA(Compute Unified Device Architecture,统一计算架构)是由NVIDIA所推出通用并行计算架构,该架构使GPU能够解决复杂的计算问题。

NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型,而不是简单调整性能,同时还可以在GPU上实现高性能现代并行计算。

CUDA与cuDNN的关系:
CUDA看作是一个工作台,上面配有很多工具,如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库,有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具,比如它就是个扳手。但是CUDA这个工作台买来的时候,并没有送扳手。想要在CUDA上运行深度神经网络,就要安装cuDNN,就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作,工作速度相较CPU快很多。

下载地址:

  • CUDA 历史版本下载地址:https://developer.nvidia.com/cuda-toolkit-archive
  • CUDA: https://developer.nvidia.com/cuda-downloads
  • CUDnn: https://developer.nvidia.com/rdp/cudnn-download,注意,这里需要注册账户;
  • Anaconda: https://www.anaconda.com/

2. CUDA

  1. 下载CUDA toolkit(toolkit就是指工具包),如下图所示,我用的是CUDA 10:

    选择后直接下载,大概2.1G。

  2. 双击安装:



    检查系统兼容性,可能需要重启:
    兼容性检查完毕,点击同意并继续:

    选择自定义,然后下一步:

    如果是第一次安装就全部勾选,下一步:


    重点提醒:一定要记住这个路径,把这个路径保留下来,后面我们还会用到!!!
    重点提醒:一定要记住这个路径,把这个路径保留下来,后面我们还会用到!!!
    重点提醒:一定要记住这个路径,把这个路径保留下来,后面我们还会用到!!!

    点击下一步:

    安装完成,点击关闭:

  3. 配置环境变量

  4. 验证安装结果
    打开命令行输入: nvcc -V

     nvcc -V
    


    安装成功!

3. cuDNN

首先需要注册账号,当然如果有账号直接登录就行。下载完成后,将这个压缩包里的所有文件放到CUDA10安装目录相应文件夹下即可

  1. 下载 cuDNN


  2. 解压

  3. 配置cuDNN
    将这三个文件夹的内容复制到之前提示记得三个路径,C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

  4. 配置环境变量

  5. 验证
    配置完成后,可以验证是否配置成功,主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe:
    首先win+R启动cmd,cd到安装目录下的 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite,然后分别执行bandwidthTest.exedeviceQuery.exe,应该得到下图:

    .\bandwidthTest.exe
    

    .\deviceQuery.exe
    

win10安装配置CUDA+cuDNN+Tensorflow2.0相关推荐

  1. 深度学习环境配置Win10+CUDA+cuDNN+Tensorflow2.0+PyTorch1.2+Python3.7.6

    系统环境:Win10 Python版本:3.7.6 CUDA版本:10.0 cuDNN版本:7.6.5 Tensorflow-gpu版本:2.0.1 PyTorch版本:1.2.0 深度学习环境配置W ...

  2. 深度学习Win10安装配置CUDA和cuDNN实现显卡GPU加速

    背景: 最近进入到深度学习的行列中,由于笔记本带有独显,并且在网上看到许多博客都说深度学习通过GPU加速可以提高训练的速度,所以我就在想我也不能浪费了我的独显,最后决定尝试配置CUDA和cuDNN来体 ...

  3. 【TensorFlow】Win10+TensorFlow+Anaconda+CUDA+cuDNN

    TensorFlow TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,其命名来源于本身的运行原理.Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流 ...

  4. Win10+RTX3060配置CUDA等深度学习环境

    Win10+RTX3060配置CUDA等深度学习环境 1.下载准备 2.下载安装Anaconda 3.下载安装CUDA和CUDNN 3.1 cuda和cudnn下载 3.2 cuda和cudnn安装 ...

  5. Ubuntu安装cuda10+cudnn7.5+Tensorflow2.0

    Ubuntu安装cuda10+cudnn7.5+Tensorflow2.0 本文地址:https://blog.csdn.net/qq_31456593/article/details/9017070 ...

  6. Darknet_Yolov4实战(一)_安装Ubuntu+cuda+cudnn

    Darknet_Yolov4实战(一)_安装Ubuntu+cuda+cudnn 安装Ubuntu18.04 安装显卡驱动 安装cuda 安装cudnn 安装Ubuntu18.04 首先关闭你要安装 U ...

  7. windows7 64位机上安装配置CUDA 9.1+cudnn7操作步骤

    ---------------- 版权声明:本文为CSDN博主「陌筱北」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明. 原文链接:https://blog.cs ...

  8. 在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境(新手必看!简单可行!)

    本人最近接触深度学习,想在服务器上配置深度学习的环境,看了很多资料后总结出来了对于新手比较友好的配置流程,创建了一个关于深度学习环境配置的专栏,包括从anaconda到cuda到pytorch的一系列 ...

  9. 真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择(亲测非常实用)【转】...

    本文转载自:https://blog.csdn.net/u010801439/article/details/80483036 ubuntu 18.04 安装GPU +CUDA+cuDNN : 目前, ...

最新文章

  1. 鸟哥的Linux私房菜(基础篇)- 第二十章、启动流程、模块管理与 Loader
  2. 深入了解Java之虚拟机内存
  3. educoderpython答案顺序结构程序设计_答案汇总:土木机械类+计算机类
  4. .net实现URL重写
  5. 高可用集群HA之双机集群
  6. 1、视觉slam简介
  7. paip.PHP实现跨平台跨语言加解密方法
  8. Drool规则引擎详解(一)
  9. ADS(Advanced Design system)原理图结合板层结构仿真(MSub)及版图仿真(EM Simulation)
  10. 专访方志朋:2018年仍然是微服务飞速发展的一年
  11. matlab用于试验设计回归分析实验结果的例子
  12. 谷歌Chrome浏览器保存网页为PDF
  13. Python编程挑战赛
  14. 浅谈非数学类全国大学生数学竞赛
  15. 学习java第15天
  16. 【工具使用系列】PostScript工具 GhostScript,GSview,Epstool,RedMon
  17. python分块处理功能_Python自然语言处理学习笔记之信息提取步骤分块(chunking)...
  18. 编程累了,欣赏一下小马的创业语录。
  19. docker搭建 JRebel 验证服务器 和 IDEA 验证服务器
  20. linux内核内存屏障,从硬件引申出内存屏障,带你深入了解Linux内核RCU

热门文章

  1. 有趣的数学问题(非编程题)
  2. 数据库中sum的用法
  3. 巧用无线路由器 让有线、无线网络互通(组图)
  4. python请输入一个人的名字_python小练习
  5. 华科_图形学笔记_05_初探造型技术_01
  6. 面向对象三大特征——extends继承性
  7. Macbook Pro 2015 更换SSD
  8. 7-4 后天 (5分)
  9. jquery的insertBefore(),insertAfter(),after(),before()
  10. 基于LT8668系列芯片的拼接方案