Win RTX3070+cuda11.4+cuDNNv8.2.2+torch-gpu离线安装+tensorflow-gpu安装

查看cuda版本：鼠标右键，NVIDIA控制面板——系统信息——组件查看cuda版本

或者 Win+R ——cmd——输入命令：

nvidia-smi

查看cuda版本

下载cuda11.4：下载cuda_11.4.0_471.11_win10安装程序，可以官网下载，下载比较快，如果你的cuda是其他版本需要下载对应版本，下载到哪个盘都可以

官网网址：https://developer.nvidia.com/cuda-toolkit-archive

安装cuda: 默认安装路径即可，不用更改，记住你的安装路径待会需要这个路径配置环境变量

出现以下界面，安装完成

配置cuda的环境变量：

CUDA_BIN_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\bin CUDA_LIB_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib\Win64 CUDA_SDK_BIN C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\cudasdk\common\bin\Win64

CUDA_SDK_LIB C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\cudasdk\common\common\lib\Win64

标注蓝色的意思是cuda的默认安装路径安装地址：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4

验证cuda安装是否成功：重启电脑——Win+R——cmd——输入命令：

nvcc -V

出现以下界面证明安装成功

下载cuDNN: 官网可以查看跟cuda11.4相匹配的cuDNN版本

官网网址：https://developer.nvidia.com/zh-cn/cudnn（打开很慢下载还需要注册，按照步骤注册即可，邮箱登录）可以先登录再打开下载网址：https://developer.nvidia.com/rdp/cudnn-download 查找cuda对应的cuDNN版本，但是有时候打不开下载界面，建议知道版本后还是去csdn搜一下有没有相应版本的cuDNN安装包

cuDNN v8.2.2 百度网盘链接：https://pan.baidu.com/s/1dPk732KfiYCQlpeA3d1noA
提取码：qwer

安装cuDNN：下载cuDNN安装包之后解压得到三个文件夹

找到cuda的安装路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4

1.找到这三个跟cuDNN解压后同名的文件夹

2.把cuDNN三个文件夹里面的内容，也就是这些LIB文件分别对应复制到cuda安装路径的三个文件夹中

配置cuDNN环境变量：设置——高级系统设置——环境变量——系统变量——path——编辑——新建

配置cuDNN环境变量：

需要path添加的环境变量：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\libvvp

验证cuDNN安装成功：进入到cuda安装路径文件夹——extras——deno_suite文件夹下，找到 deviceQuery.exe 和 bandwidthTest.exe

Win+R——cmd依次输入命令：

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\demo_suite

deviceQuery.exe

出现以下界面证明安装成功

继续输入命令：

bandwidthTest.exe

出现以下界面证明安装成功

Anaconda Prompt新建环境名为gpu的虚拟环境：

conda create -n gpu python=3.8

激活环境：

conda activate gpu

pytorch安装：建议离线安装 pytorch官网：https://pytorch.org/get-started/locally/

查看自己cuda版本的torch、torchvision和torchaudio具体版本，记下来待会下载对应的离线安装包

离线安装包下载网址：https://download.pytorch.org/whl/torch_stable.html 注意下载gpu版本的，而且需要跟自己建的环境的python版本对应

下载安装包到哪个盘都行，我一般先放在桌面上，然后到新建的环境下 pip install 加完整离线安装包的路径，如果放在桌面上直接把安装包拖到Anaconda Prompt里面路径自己就出现了，torch、torchvision和torchaudio具体版本离线安装都是一样的过程

把桌面上的安装包拖到pip install 后面即可出现完整路径

pytorch安装成功验证：打开Pycharm自己新建的环境（安装pytorch）, 运行以下代码，True证明成功，如果步骤没有问题Flase可以重启看看，一般Flase都是因为版本不匹配导致的，就需要重新下载对应版本安装包重新安装直接复制代码如下：

#判断是否安装了cuda
import torch
print(torch.cuda.is_available())  #返回True则说明已经安装了cuda
#判断是否安装了cuDNN
from torch.backends import  cudnn
print(cudnn.is_available())  #返回True则说明已经安装了cuDNN

tensorflow-gpu安装： Anaconda Prompt到自己的新建环境下寻找可安装的tensorflow-gpu版本：

conda search tensorflow-gpu

然后命令行安装tensorflow-gpu相应版本即可，版本号相应改一下即可

例如：

pip install tensorflow-gpu==2.3.0 --default-timeout=10000 -i https://pypi.doubanio.com/simple

tensorflow-gpu验证安装是否成功：打开Pycharm自己新建的环境（已安装pytorch）, 运行以下2种代码1种即可：直接复制代码即可，出现GPU相关信息即可证明成功

import tensorflow as tfgpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)
# 返回True或者False
tf.test.is_gpu_available()

或者

from tensorflow.python.client import device_lib# 列出所有的本地机器设备
local_device_protos = device_lib.list_local_devices()
# 打印
print(local_device_protos)# 只打印GPU设备
# [print(x) for x in local_device_protos if x.device_type == 'GPU']

本文可能有些图片来源于网络，我也记不清了，侵权及时删。

Win RTX3070+cuda11.4+cuDNNv8.2.2+torch-gpu离线安装+tensorflow-gpu安装相关推荐

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)
主机回来以及,简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT) 紧接着前几天的事: 特殊的日子,想起了当年的双(1080TI)显卡装机实录和炼丹炉买不起了:聊一聊这 ...
Dism解决win 10访问服务器共享问题，共享需要过时的SMB1协议，安装时错误代码：0x800736B3
Dism解决win 10访问服务器共享问题,共享需要过时的SMB1协议,安装时错误代码:0x800736B3 参考文章: (1)Dism解决win 10访问服务器共享问题,共享需要过时的SMB1协议, ...
安装tensorflow的GPU版本（详细图文教程）--CUDA11.6的安装
文章目录 TensorFlow简介 TensorFlow是什么 tensorflow版本变迁 tensorflow 2.0 架构安装过程常用IDE安装 python3.9的安装 Anaconda的 ...
macM1安装tensorflow和torch教程（python3.8环境）
macM1安装tensorflow和torch教程(python3.8环境) 为搭建机器学习环境,appleM1的环境搭建大概花了一周摸索,使用pip install 报错,发现是因为arm架构的问题 ...
深度学习环境配置：华硕主板的Win 10 + UEFI + GPT条件下且在SSD + HDD双硬盘下安装Ubuntu+Gtx 1080Ti显卡驱动 + CUDA 9.1 + Cudnn 7.1...
本文写文章日期为2018.03.13 因为买电脑自带了win10系统,自己就没有重新安装win10,而是在原win10环境下分割一个磁盘来安装ubuntu16.04,本人电脑GPU为Gtx 108 ...
【已解决】torch==1.9.1+cu111无法安装
torch==1.9.1+cu111无法安装配置环境torch==1.9.1+cu111时,出现报错 pip install torch==1.9.1+cu111ERROR: Could not f ...
Win10使用VMware安装黑苹果+xcode安装+优化+win键位设置
前言: 有段时间想学ios开发,但是没有苹果电脑,所以琢磨着在win系统里安装CodeBlocks IDE,编译object-c 还想在linux里装object-c环境,后来整了两天没整好,编译时总 ...
win10 安装Pytorch GPU版+CUDA+cuDNN（篇幅较长保姆教程） (含CUDA11.1与cuDNN8.0.4安装包）
win10安装CUDA11.1+cuDNN8.0.4+Pytorch(含CUDA11.1与cuDNN8.0.4安装包) 更新NVIDIA(查看版本号) 查找NVIDIA,CUDA,cuDNN对应版本号 ...
稀里糊涂的解决了 cuda 和cudnn的安装以及conda安装pytorch出现的torch.cuda.is_available()为false的问题
参考的链接: https://blog.csdn.net/ashome123/article/details/105822040#commentBox Ubuntu 20.04 CUDA&c ...

Win RTX3070+cuda11.4+cuDNNv8.2.2+torch-gpu离线安装+tensorflow-gpu安装

Win RTX3070+cuda11.4+cuDNNv8.2.2+torch-gpu离线安装+tensorflow-gpu安装相关推荐

最新文章

热门文章