深度学习环境配置---显卡驱动、pytorch、cuda和cudnn之间的配置关系

      最后更新:1星期前 手机定位技术交流文章

      目录

      1. 显卡驱动

      2.cuda

      3.cudnn

      4.pytorch

      简单的关系如下图:

      image-20220114101131225

      1. 显卡驱动

      显卡驱动是电脑上服务于显卡的驱动程序,有了显卡驱动显卡的功能才能被最大化利用!

      显卡驱动的作用就是用来驱动显卡的,这是电脑硬件中所对应的一个软件。通过添加驱动程序计算机中的硬件就能正常的工作,当然不同的硬件使用的驱动程序也不一样。显卡对应的就是显卡驱动。显卡在电脑中提供图形的重要显示部分,直接关系到电脑的图形显示,而且显卡还可以提供更清晰的画质,给用户带来视频体验。显卡驱动的作用就是为了给电脑里面的显卡提供的软件,确保显卡可以正常的工作。没有显卡驱动显卡不能运行,电脑屏幕也不会显示。

      显卡驱动安装地址:(可能要先登陆才能下载)

      NVIDIA 驱动程序下载 - 高级搜索

      直接搜索对应电脑上的显卡版本号就行~

      如果要用于深度学习计算,则需要显卡驱动与cuda相匹配,其对应版本如下图:

      image-20220114100404192

      2.cuda

      统一计算设备架构(Compute Unified Device Architecture,CUDA),是由NVIDIA推出的通用并行计算架构。解决的是用更加廉价的设备资源,实现更高效的并行计算。和中央处理器(Central Processing Unit,CPU)相对,图形处理器(Graphics Processing Unit,GPU)是显卡的核心芯片。而cuda正是英伟达开发的GPU的编程接口!

      可以说有了cuda才能真正实现并行计算(编程)的愿望~

      cuda下载地址:(可能要先登陆才能下载)

      CUDA Toolkit Archive | NVIDIA Developer

      当然cuda和cudnn也是有一定的对应关系的:

      image-20220114101349057

      3.cudnn

      cudnn可以被看作是人工智能深度学习计算的加速工具包。

      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。总结来说,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!

      CUDA与CUDNN的关系

      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

      cudnn下载地址:

      cuDNN Archive | NVIDIA Developer

      4.pytorch

      pytorch中关键的轮子就是torch和torchvision,它们就像是一对孪生兄弟,是pytorch框架下必须要安装的,而且有非常严格的版本对应关系!同时与python也有很严格的对应关系!

      它们具体的对应关系如下:

      image-20211018162507982

      torch下载地址:(选择自己的轮子下载即可!)

      torch和torchvision离线下载网站

      image-20220114102319494

      以上便是入门深度学习首先要踩得也是必须过的第一道门槛---复杂的环境配置过程,不过熟悉之后安装就好多了!

      本文由 在线网速测试 整理编辑,转载请注明出处,原文链接:http://www.wangsu123.cn/news/16514.html

          热门文章

          文章分类