使用GPU运行python项目 |
您所在的位置:网站首页 › python算矩阵乘法 › 使用GPU运行python项目 |
简单科普:CPU适合串行计算,擅长逻辑控制。GPU擅长并行高强度并行计算,适用于AI算法的训练学习GPU教为侧重于运算,因此GPU常被用于一些深度学习的项目,要想使用GPU来运行深度学习(GPU加速),则需要一些前提条件 机子有GPU显卡,并安装GPU显卡驱动;安装GPU的使用环境,CUDA等;打开nvidia-smi中的PM属性;程序中指定使用的GPU设备; 查看显卡信息与驱动首先我们看一下自己的显卡,win+R 输入 dxdiag 查看电脑信息 得知自己的显卡型号后我们在浏览器上输入 : 显卡型号+SPECIFICATION来查看我们的这款显卡是否支持cuda,然后我们还要确定其支持的cuda版本: 这里简单介绍一下CUDA: CUDA是NVIDIA推出的用于自家GPU的并行计算框架,也就是说CUDA只能在NVIDIA的GPU上运行,而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。 除此之外我们还要安装CUDNN: CUDNN(CUDA Deep Neural Network library):是NVIDIA打造的针对深度神经网络的加速库,是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型,cuDNN不是必须的,但是一般会采用这个加速库。 桌面右键,打开NVIDIA控制面板 https://developer.nvidia.com/cuda-toolkit-archive 找到我们匹配的版本
这里我们需要等待一会 下载成功后打开,这里是解压目录,尽量不要更改,解压完成后会自动清除
NVIDIA的显卡驱动器与CUDA并不是一一对应的哦,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,比如电脑上可同时安装 CUDA 的多个版本。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。 cuDNN下载与安装下载地址 https://developer.nvidia.com/rdp/cudnn-archive
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |