网站如何添加统计代码是什么意思google play官网
文章目录
- pytorch深度学习CUDA的GPU加速环境配置步骤
- 1. 更新cuda驱动
- 2. 更新完成cuda驱动后，查看对应的驱动版本
- 3. 根据驱动的版本号，下载对应的cuda-toolkit
- 4. CUDA是否配置成功
- 5. 配置CUDNN
- 6. 配置torch
pytorch深度学习CUDA的GPU加速环境配置步骤
1. 更新cuda驱动
不要用什么 “XX精灵” ，自己去官网下载最新的驱动版本并更新；
在官网：https://www.nvidia.cn/drivers/lookup/
依次填入信息，下载更新电脑的显卡驱动。
，显卡信息可以通过：我的电脑->管理->设备管理器->显示适配器进行查看。
2. 更新完成cuda驱动后，查看对应的驱动版本
Win+R打开命令行，输入cmd，在终端输入：
nvidia-smi
3. 根据驱动的版本号，下载对应的cuda-toolkit
cuda-toolkit下载链接：https://developer.nvidia.com/cuda-downloads
更新后，机子支持 CUDA 12.7的，此处我以CUDA 12.7为例子，下载最新的版本即可。
4. CUDA是否配置成功
Win+R打开命令行，输入cmd，在终端输入：
nvcc -V
5. 配置CUDNN
CUDNN官方链接： https://developer.download.nvidia.cn/compute/cudnn/redist/cudnn/windows-x86_64/
下载对应的cudnn。
这里需要放置在cu安装的 cuda-toolkit 文件夹下，参考此文章 CUDA与cuDNN。
6. 配置torch
下载torch-GPU版本
Torch 官网链接：https://pytorch.org/get-started/locally/
官网下载的比较慢，可以同过镜像进行下载。
获取链接后，在自己的 pycharm 编辑器的终端中下载，输入命令
