Python实践经验|Win 10 64位服务器RTX3080Ti显卡安装TensorFlow和Pytorch实践(2021.9.22)
Win 10 64位服务器RTX3080Ti显卡安装TensorFlow和Pytorch实践(2021.9.22)
- 1、环境
-
- 1.1 服务器 + RTX3080Ti显卡(硬件)
- 1.2 Win 10操作系统+NVIDIA显卡驱动(软件)
- 1.3 已安装NVIDIA显卡驱动(Version 471.11)
- 1.4 鲁大师跑分(兴奋)
- 2、为显卡安装CUDA和CUDNN(Version 11.4)
-
- 2.1 安装Visual C++支持(在安装CUDA前)
- 2.2 安装CUDA11.4
- 2.3 安装CUDNN11.4(复制bin、include、lib文件夹下的文件到CUDA对应目录下)
- 3、利用Conda安装TensorFlow和Pytorch
-
- 3.1 安装Anaconda(Python)
- 3.2 安装TensorFlow(GPU版)
- 3.3 安装PyTorch(GPU版)
1、环境 1.1 服务器 + RTX3080Ti显卡(硬件)
文章图片 Inspur浪潮服务器 |
文章图片 RTX 3080Ti显卡 |
1.2 Win 10操作系统+NVIDIA显卡驱动(软件) 服务器已安装Win 10专业版操作系统,运行内存大概32GB,CPU是16核32线程,显卡设备已在服务器中识别,在计算机右键->属性->设备管理器中都可以进行查看。
文章图片
文章图片 设备管理器--->处理器 |
文章图片 设备管理器--->显示适配器 |
nvidia-smi
命令进行查看)文章图片
文章图片 NVIDIA控制面板系统信息 |
文章图片 cmd窗口nvidia-smi |
RTX 3080Ti
的威力吧!鲁大师综合性能得分 | 硬件参数 |
鲁大师GPU测试FPS | 文章图片 Steam(CSGO)实测效果 |
文章图片
文章图片 CUDA 下载 |
文章图片 CUDNN 下载 |
文章图片
最终利用迅雷下载的CUDA 11.4和CUDNN 11.4这两个安装包文件如下图所示。
文章图片
2.1 安装Visual C++支持(在安装CUDA前) 64位 Win10操作系统需要下载Visual C++支持文件VC_redist.x64.exe,双击安装即可。
文章图片
文章图片
文章图片
2.2 安装CUDA11.4 双击
cuda_11.4.0_471.11_win10.exe
安装包文件,进入NVIDIA安装程序界面,选择接受软件许可协议,之后需要选择安装位置直接默认即可,在自定义安装程序界面,由于已经安装了显卡驱动,所以CUDA安装包中的一些组件已经安装过了,这里可结合控制面板中的已安装程序(应用和功能)对照查看,由于已经安装了 文章图片 接受许可协议 |
文章图片 选择安装位置 |
文章图片
文章图片
CUDA安装成功后,打开计算机->属性->高级系统设置->环境变量,查看系统变量下是否有
CUDA_PATH
和CUDA_PATH_V11_4
两个环境变量,对应的值即为CUDA的默认安装目录(如果没有,则需要手动新建这两个环境变量)。然后WIn+R打开cmd命令行窗口,输入
nvcc -V
后回车查看到CUDA相关信息(如版本、编译器驱动)即为安装成功。文章图片
2.3 安装CUDNN11.4(复制bin、include、lib文件夹下的文件到CUDA对应目录下) 首先解压
cudnn-11.4-windows-x64-v8.2.2.26.zip
得到cudnn-11.4-windows-x64-v8.2.2.26
文件夹,需要将该文件夹中bin
文件夹、include
文件夹以及lib
文件夹下x64
文件夹中的文件分别复制到CUDA安装目录下的bin文件夹、include文件夹以及lib文件夹下的x64文件夹。 文章图片 CUDNN的bin文件夹 |
文章图片 复制到CUDA安装目录下的bin文件夹 |
文章图片 CUDNN的include文件夹 |
文章图片 复制到CUDA安装目录下的include文件夹 |
文章图片 CUDNN的lib文件夹下的x64文件夹 |
文章图片 复制到CUDA安装目录下的lib文件夹下的x64文件夹 |
文章图片 下载Anaconda安装包(Windows系统) |
文章图片 安装Anaconda |
Anaconda Prompt
命令行窗口,为了提高Anaconda下载依赖包的速度,可配置国内清华源镜像,输入如下命令: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
要了解Anaconda的常用命令,如查看现有环境列表
conda info --envs
、创建Python环境conda create --name env_name python=3.6
、进入某个环境conda activate env_name
、查看当前环境所有的依赖包pip list
、进入Python命令行python
,这里我创建了两个虚拟环境tensorflow_gpu和pytorch_gpu,分别用来配置TensorFlow和PyTorch。conda create --name tensorflow_gpu python=3.6
conda create --name pytorch_gpu python=3.6
文章图片 Anaconda Prompt命令行 |
文章图片 进入pytorch_gpu环境 |
文章图片
3.2 安装TensorFlow(GPU版) 在Anaconda Prompt命令行窗口界面,输入
conda activate tensorflow_gpu
命令进入该环境,然后输入pip install tensorflow-gpu==2.5.0
来安装相关依赖包,下图是安装过程中的详细信息。安装完成后可输入pip list
查看tensorflow_gpu环境下安装的依赖包。 文章图片 安装 tensorflow-gpu 2.5.0 |
文章图片 安装成功 |
文章图片
安装结束后,在tensorflow_gpu环境下输入python后,可输入以下代码测试GPU版的TensorFlow是否安装成功,如果显示为
True
同时包含显卡的相关信息则安装成功。import tensorflow as tf
print(tf.test.is_gpu_available())
文章图片
3.3 安装PyTorch(GPU版) 首先到PyTorch官网按照如下图所示选择好配置后,可以看到自动生成
pip3 install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio===0.9.1 -f https://download.pytorch.org/whl/torch_stable.html
这个命令,仔细分析发现我们已经配置了CUDA环境,现在应该还需要安装torch依赖包即可,所以我们打开https://download.pytorch.org/whl/torch_stable.html页面,找到对应版本的torch依赖包文件torch-1.9.0+cu111-cp36-cp36m-win_amd64.whl
(对应CUDA 11版本、Python 3.6以及Windows 64位操作系统)并下载,之后进入pytorch_gpu环境文件目录下的Scripts文件夹,打开cmd窗口并输入命令pip install torch-1.9.0+cu111-cp36-cp36m-win_amd64.whl
执行pytorch安装过程,最后提示安装成功。 文章图片 PyTorch官网自定义环境获得运行命令 |
文章图片 下载torch依赖包到本地安装 |
文章图片
文章图片 pip list查看pytorch_gpu环境下安装的依赖包 |
文章图片 |
python
,执行以下代码验证,返回True则表示安装成功。import torch
torch.cuda.is_available()
x = torch.rand(5,5)
print(x)
文章图片
推荐阅读
- python学习之|python学习之 实现QQ自动发送消息
- 逻辑回归的理解与python示例
- python自定义封装带颜色的logging模块
- 【Leetcode/Python】001-Two|【Leetcode/Python】001-Two Sum
- Python基础|Python基础 - 练习1
- Python爬虫|Python爬虫 --- 1.4 正则表达式(re库)
- Python(pathlib模块)
- python青少年编程比赛_第十一届蓝桥杯大赛青少年创意编程组比赛细则
- Python数据分析(一)(Matplotlib使用)
- Python|Python 9.20