【YoloV5】学习笔记 P1—

运行YoloV5可选为CPU或GPU环境。默认CPU环境无需配置，GPU环境需要安装与显卡版本对应的cuda，本文即针对GPU环境配置cuda过程。本次安装参考了网上许多教程，结合自己的需求与理解，写下此篇博客，仅做本人总结使用。

【CUDA】cuda安装（windows10版）

一、前言
- 官方教程
二、安装工具的准备
- 1.CUDA toolkit Download
- 2.cuDNN Download
三、CUDA安装与配置过程
- 测试环境是否安装成功
四、cuDNN配置
- 1.解压
- 2.添加至系统变量
相关参考

一、前言

windows10 版本安装 CUDA ，首先需要下载两个安装包

CUDA toolkit（toolkit就是指工具包）
cuDNN

注：cuDNN 是用于配置深度学习使用

官方教程

CUDA：https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html

cuDNN：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows

二、安装工具的准备

1.CUDA toolkit Download

CUDA官网下载链接：https://developer.nvidia.com/cuda-toolkit-archive

根据本地显卡配置选择合适的CUDA进行下载安装。查看本地显卡：【NVIDIA控制面板】>>【系统信息】>>【显示】

GA = General Availability，通用版本，指软件的通用版本。
RC=Release Candidate，含义是"发布候选版"，它不是最终的版本，而是最终版(RTM=Release To Manufacture)之前的最后一个版本

官网说明文档： https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

CUDA的版本是跟显卡型号有关还是驱动有关？

一般是驱动版本决定了能用的CUDA版本的上限，比如新版的显卡驱动可以支持老的CUDA runtime。但是老的显卡可能无法更新到最新的显卡驱动，比如Fermi显卡只能装到391驱动，因此只能用到CUDA9.1。除此之外，显卡硬件与CUDA compute capability相关，当然编译时也可以指定streaming multiprocessor。新的架构支持更多特性就是了。

有关显卡算力及CUDA匹配问题？

查看GPU算力 https://developer.nvidia.com/cuda-gpus#compute
查看对应CUDA最高支持的算力(以CUDA11.0为例)https://docs.nvidia.com/cuda/ampere-compatibility-guide/index.html

最终本人下载的为cuda_11.0版本

2.cuDNN Download

cuDNN地址如下，不过要注意的是，我们需要注册一个账号，才可以进入到下载界面。大家可以放心注册的。

https://developer.nvidia.com/rdp/cudnn-download

注册成功后的下载界面

可以使用下面网址，查看适配的 cuDNN

https://developer.nvidia.com/rdp/cudnn-archive

本人下载的版本如下：

三、CUDA安装与配置过程

双击“exe文件”，选择下载路径（推荐默认路径，tmp最后自动删除）

安装选项
如果你是第一次安装，尽量全选
如果你是第n次安装，尽量只选择第一个，不然会出现错误

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

如果本机的驱动版本(当前版本)小于cuda对应的版本（新版本），则选择，否则不选。如果当前版本小于新版本，并且不覆盖安装，之后电脑会频繁蓝屏或死机

记住安装位置，tensorflow要求配置环境

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！！！

安装进行

安装完成

查看系统变量中是否添加了路径，如果没有需要自己添加

测试环境是否安装成功

运行cmd，输入nvcc --version 即可查看版本号；
set cuda，可以查看 CUDA 设置的环境变量。

nvcc --version

set cuda

四、cuDNN配置

1.解压

cuDNN叫配置更为准确，我们先把下载的 cuDNN 解压缩，会得到下面的文件：

cuDNN 解压缩后的文件

下载后发现其实cudnn不是一个exe文件，而是一个压缩包，解压后，有三个文件夹，把三个文件夹拷贝到cuda的安装目录下。

CUDA 的安装路径在前面截图中有，或者打开电脑的环境变量查看，默认的安装路径如下：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

后面那个v11.0是你自己的版本号

拷贝时看到，CUDA 的安装目录中，有和 cuDNN 解压缩后的同名文件夹，这里注意，不需要担心，直接复制即可。cuDNN 解压缩后的同名文件夹中的配置文件会添加到 CUDA安装目录中的同名文件夹中。

拷贝成功后的文件：

现在大家应该可以理解，cuDNN 其实就是 CUDA 的一个补丁而已，专为深度学习运算进行优化的。然后再参加环境变量

2.添加至系统变量

往系统环境变量中的 path 添加如下路径（根据自己的路径进行修改）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp

验证安装是否成功

配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwidthTest.exe：
首先win+R启动cmd，cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图: