cuda paddlenlp paddlepaddle版本 cuda对应版本

目录

• 查看CUDA版本及如何选择下载安装CUDA

• CUDA版本查看
• 查看显卡驱动，及其对应兼容的CUDA版本
• 下载合适的CUDA APP
• 添加环境变量

• 安装CUDNN
• 安装对应的Pytorch(包含cudatoolkit库)

• 一键安装

• 检测CUDA的安装状态
• 检查torch能否正常调用gpu加速以及cuda可用否

查看CUDA版本及如何选择下载安装CUDA

CUDA版本查看

首先在桌面上点击右键，然后选择NVIDIA控制面板，得到界面如下：

再点击里面的系统信息，并切到组件部分，可以看到这个位置对应的版本为9.1.83,因此我们可以知道该电脑显卡支持的CUDA版本不能超过9.1.83，这样就确定了CUDA的下载范围。

查看显卡驱动，及其对应兼容的CUDA版本

我们打开电脑显卡驱动的管理程序GeForce Experience，可以在里面看到对应的显卡驱动

这里的为388.19版本，而我们通过网址可以得到显卡驱动和与之兼容的CUDA版本,然后可以根据两者的兼容关系调整显卡驱动的版本（可从这里下载)，可以降低或者升高，灵活选择。一般都是先将显卡驱动Upgrade到最新的版本，因为这样一来可供选择的CUDA种类就最多，然后再在下图显示的范围内寻找可用调用的CUDA版本。

假如我的为451.67，那么左边对应的CUDA都可以兼容，这样就可以直接去考虑下载cuda就可以了。

下载合适的CUDA APP

以9.1的版本为例，我们需要下载的不能超过这个版本，又要符合与电脑显卡驱动的兼容性，因此到网址 去下载9.1版本的CUDA，下载好之后，直接点击该下载好的程序，按照步骤依次进行，这里可直接用精简版安装，最后默认在C盘的路径下得到对应的CUDA文件夹，如下图：

其中路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\bin下会存在一个nvcc的应用程序，在电脑的环境变量加入了这个路径之后就可以用命令行查看安装的CUDA版本

在命令行可以输入

nvcc -V

就可以得到

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Nov_3_21:08:12_Central_Daylight_TIme_2017
Cuda compilation tool, release 9.1, V9.1.85

这就说明我们安装成功了

如果你电脑路径C:\Program Files\NVIDIA Corporation下有一个名叫NVSMI的文件夹，那么你可将该文件夹的路径加入环境变量，然后在cmd里面可以输入nvidia-smi得到相关的信息显示。

添加环境变量

安装成功之后还需要在环境变量里面添加一些路径，如下所示（这里的图片引用这里)：

安装CUDNN

首先去官网这里选择download cudnn，这时会提醒你登陆某一个账号，注册好之后就可以进去下载了，这里由于我们之前下载的CUDA版本为9.1，所以这时的CUDNN版本要与这个一致，进入该网址下载，里面都会提示该CUDNN可以支持哪个版本的CUDA,如下图所示：

点击下载，然后会得到一个压缩包，将压缩包解压出来的文件全部复制到之前装的CUDA路径下的v9.1文件夹里面就可。

安装对应的Pytorch(包含cudatoolkit库)

前面讲的只是我们装CUDA一个app来和硬件相兼容配合，但是要在python里面利用Pytorch调用还要安装相应的cudatoolkit库，这个库相当于一个接口一样，版本要与CUDAtoolkit版本一致，直接在Anaconda里面装指定的版本即可，也可以利用下面的命令一键安装。

一键安装

这里可以直接利用conda里面的指令进行安装，如下：

conda install pytorch torchvision cudatoolkit=10.1.243 -c pytorch

由于conda的默认下载地址是来自国外的，所以经常会出现什么conda error之类的错误，一般都是由于网速过慢导致的，可以利用以下的命令将一些常用的地址导入进去：

添加镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# 【添加完毕一定要设置一下】设置搜索时显示通道地址
conda config --set show_channel_urls yes
还原原始的镜像
conda config --remove-key channels

其中常用的镜像地址有：

• 清华镜像源：

• https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
• https://pypi.tuna.tsinghua.edu.cn/simple/

• 中科大镜像源：

• https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
• https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
• https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/

添加完这些镜像源之后就可以再次利用命令安装相应的pytorch或者其他的包了

检测CUDA的安装状态

打开命令行窗口，切换到之前安装CUDA的文件夹路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\extras\demo_suite：

然后可以调用bandwithTest.exe和deviceQuery.exe这两个程序，调用之后正常安装的结果如下：

这就可以说明已经安装正常了cuda和cudnn

检查torch能否正常调用gpu加速以及cuda可用否

• 方式一：

• 直接打开命令行，切换到自己所定义的环境里面去，我这里是自己的基环境，然后打开python，导入torch模块，利用以下命令即可：

##打印是否有cuda可用
print(torch.cuda.is_available())
##打印cuda的版本
print(torch.verision.cuda)

• 如果成功就会如下图：
• 方式二：

• 利用anaconda里面的Spyder编译环境，其他与上相同