【Python】Win10 Nvidia GPU 、tensorflow深度学习环境

本文主要是介绍【Python】Win10 Nvidia GPU 、tensorflow深度学习环境，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

文章目录

• • 1流程步骤
  • 2详细
  • • 1、查看有无独显
    • 2、查看有无NAVIDIA驱动
    • • 2.1、有独显无驱动
      • 2.2 、安装NAVIDIA显卡驱动
    • 3、安装CUDA
    • • 3.1、查看cuda版本支持
      • 3.2、下载对应显卡驱动版本的cuda
      • 3.3、下载对应版本的cudnn

随着人工智能的发展，越来越多人都想往人工智能方向发展，可是人工智能环境配置对于小白来说非常发展恶心，之前我学习时也吃了不少亏，百度搜索各种操作指南参之不齐，很多都是直接了。这里我亲自操作（把俺电脑那些显卡驱动都删了重新演示一遍给小白）

1流程步骤

2详细

安装之前先说明一下几个概念：
1、显卡驱动、CUDA、cudnn之间的关系
显卡驱动：是封装成软件的程序，硬件厂商根据操作系统编写的配置文件。安装成功后成为了操作系统中的一小块代码，它是硬件所对应的软件，有了它，计算机就可以与显卡进行通信，驱使其工作。如果没有显卡驱动，显卡就无法工作。

cuda:其是由NVIDIA发明的并行计算平台以及编程模型，它可以显著的提高GPU的计算性能

cudnn:NVIDIA的cuDNN是针对深度神经网络计算的一个GPU加速库，为标准例程提供了高度优化的实现，比如向前、向后卷积，池化，规范化和激活层。其是NVIDIA Deep Learning SDK的一部分。

简而言之，显卡驱动让底层显卡硬件正常工作，CUDA的本质是一个使用显卡运算能力的工具包（ToolKit）。cuda既可以离线安装也可以在线安装，但离线安装的CUDA工具包会默认携带与之匹配的最新的驱动程序

显卡驱动与cuda的关系：NVIDIA的显卡驱动器与CUDA并不是一一对应的，CUDA本质上只是一个工具包而已，所以我可以在同一个设备上安装很多个不同版本的CUDA工具包，比如可以同时安装 CUDA 9.0、CUDA 9.2、CUDA 10.0三个版本。一般情况下，我只需要安装最新版本的显卡驱动，然后根据自己的选择选择不同CUDA工具包就可以了，但是由于使用离线的CUDA总是会捆绑CUDA和驱动程序，所以在使用多个CUDA的时候就不要选择离线安装的CUDA了，否则每次都会安装不同的显卡驱动，这不太好，我们直接安装一个最新版的显卡驱动，然后在线安装不同版本的CUDA即可。

CUDA、cuDNN的关系：CUDA与cuDNN也不是一一对应的。CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。

1、查看有无独显

2、查看有无NAVIDIA驱动

2.1、有独显无驱动

这里需要到NVIDIA官网下载
这个也行
上图对照下来

2.2 、安装NAVIDIA显卡驱动

1双击已下好的先科驱动

2【同意并继续】

3这里默认是精简，这里选择自定义，【下一步】

4勾选需要的组件，这里全部够了，注意一定要把圈红勾上，【下一步】

5【关闭】OK这里显卡驱动已完成

3、安装CUDA

3.1、查看cuda版本支持

1打开【NVIDIA控制面板】

2左下角【系统信息】
3【组件】

即可查看显卡驱动支持的cuda版本，或者键盘【Win】+R -》 输入cmd -》进入命令行输入

nvidia-smi

上图进行解释
第一栏的Fan：风扇转速，从0到100%之间变动，这个速度是计算机期望的风扇转速，实际情况下如果风扇堵转，可能打不到显示的转速。有的设备不会返回转速，因为它不依赖风扇冷却而是通过其他外设保持低温（比如实验室的服务器是常年放在空调房间里）。

第二栏的Temp：是温度，单位摄氏度。

第三栏的Perf：是性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能。

第四栏下方的Pwr：能耗。

第五栏的Bus-Id是涉及GPU总线的东西，domain

这篇关于【Python】Win10 Nvidia GPU 、tensorflow深度学习环境的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！