支持CUDS的GPU 支持cuda10的显卡

本机配置

• 系统：win10
• 显卡：NVIDIA GeForce RTX 2060

安装内容

• CUDA
• cuDNN
• Anaconda
• Tensorflow-gpu
• Keras
• Torch
• Pycharm

配置过程

1、安装CUDA

• 首先在确定你的显卡是否支持CUDA，可以在这里查看，如果显卡在列表中则说明支持CUDA。
• 然后查看显卡支持的CUDA版本，方法是进入NVIDIA控制面板==>帮助==>系统信息==>组件==>NVCUDA.DLL==>产品名称。这里我的显卡支持的CUDA版本为11.1，其他版本我尝试过，都无法成功安装。所以要安装显卡支持的CUDA版本，才能进行后续的配置。

• 在这里发现CUDA10也可以满足





• 可以在手册中参考版本



• CUDA下载地址 https://developer.nvidia.com/cuda-toolkit-archive，选择对应版本下载。



• 安装之前会检查系统兼容性，显卡支持当前版本CUDA时的界面如下，否则就要换成其他版本的CUDA。安装过程较简单，这里不详述（安装时需要Visual Studio或者VC++库，没有的自行下载安装即可）。
• 安装完成后打开命令行，输入”nvcc -V”，出现下列信息说明安装成功。

2、配置CUDA

• 安装成功后在我的电脑上右键，打开属性==>高级系统设置==>高级==>环境变量，可以看到系统中多了两个环境变量：CUDA_PATH 和 CUDA_PATH_V10_0，接下来我们添加如下几个环境变量：

CUDA_BIN_PATH = %CUDA_PATH%\bin
 CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
 CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0
 CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
 CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

• 接着在用户变量的Path中添加：C:\ProgramData\NVIDIA GPU Computing Toolkit\v10.0
• 我们打开命令行，输入”set cuda”查看配置情况，如下图所示说明配置成功。

• 或者，我们也可以进入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite 目录，使用命令行运行 bandwidthTest 和 deviceQuery，若能看到显卡信息和 “Result = PASS”，说明CUDA配置成功。

3、下载并配置cuDNN

下载地址为 https://developer.nvidia.com/rdp/cudnn-archive ，首先要注册账号，然后根据之前安装的CUDA版本选择相应版本的cuDNN。

• 先根据需要安装的TensorFlow的版本要求选择cuDNN，https://github.com/fo40225/tensorflow-windows-wheel。对应选择cuDNN7.3。
• 下载后解压，得到一个名字为cuda的文件夹，然后将里面bin、include和lib文件夹的内容拷贝到CUDA安装目录的相应文件夹中即可（CUDA默认安装目录为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0）。

4、安装并配置 Anaconda

• 同意加入系统变量的Path中

5、安装 pycharm

• 学生账号可以激活

6、安装TensorFlow-gpu

• 根据python版本号并在这里下载对应的tensorflow_gpu-1.12.0-cp37-cp37m-win_amd64.whl安装包，存入D盘根目录（其他也可）。
• 进入anaconda命令行，输入“pip install “D:\tensorflow_gpu-1.12.0-cp37-cp37m-win_amd64.whl””
• anaconda命令行，
  输入“python”回车，输出就安装成功了

import tensorflow as tf
tf.version
tf.path

• 判断是否可用，输出为TRUE，安装成功

import tensorflow as tf

a = tf.test.is_built_with_cuda()  # 判断CUDA是否可以用

b = tf.test.is_gpu_available(
    cuda_only=False,
    min_cuda_compute_capability=None
)                                  # 判断GPU是否可以用

print(a)
print(b)

6、安装 keras

打开命令行，输入”pip install keras”即可。然后打开命令行，输入”python”进入python环境，然后输入”import keras”，若能正常导入keras包说明安装成功，如下图所示。

7、安装Torch-gpu

• 在官网，https://pytorch.org/，查看安装代码

• 安装
  打开Anaconda Prompt
  安装之前先换成清华的源

activate pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

conda install pytorch torchvision torchaudio cudatoolkit=10.0

• 测试

import torch
torch.__version__
torch.cuda.is_available()