关注并标星 3分钟秒懂大数据

每天1次，打卡阅读

获取AI大数据技术、面经、内推信息

上篇文章讲述了pytorch的一些基础知识，并且介绍了什么是CUDA，本篇，作者将带领大家在window下快速安装GPU版本的Tensorflow和Pytorch。

我们都知道，用GPU跑深度学习模型，比CPU快，但是一般情况下，几乎小伙伴们都使用CPU进行训练，原因在于GPU昂贵，并且搭建起来费时费力，经过一些小伙伴的要求，所以出一篇快速安装的教程，方便大家后续快速上手。

1、NVIDIA 英伟达显卡

用GPU训练模型，一般需要使用到显卡，而目前，显卡主要分为两大阵营，AMD和Nvidia，logo如下：

如果是深度学习使用的话,大家务必要选择Nvidia的显卡，AMD显卡性价比虽然比较高，但是其对深度学习的支持不是很好，所以大家购买之前一定要看清是不是英伟达的显卡。

购买显卡之前，我们以Nvidia的显卡为例，说明一下显卡的型号上面的数字都表示什么意思，影驰表示的是显卡的制造商，Geforce是显卡系列名称，GTX表示显卡的档次，数字一般是四位，前两位表示显卡的代数，16就表示是第16代显卡，中间的第三位数字表示的是显卡的性能级别，数字越大显卡的性能级别就相对越好，最后一位一般都是0，不用去管，有的显卡还有英文的后缀，SE表示阉割版、TI和Super表示增强的版本，比如1660TI就是在1660的基础上进行了增强，6G表示显卡的显存是6个GB，最后的比较炫酷的名字是制造商定的名字，这个一般就是个噱头，不需要太关注。

2、NVIDIA 显卡驱动安装

2.1 查看本机电脑显卡型号

首先第一步还是要安装显卡的驱动，显卡驱动的安装需要在官网下载驱动程序，首先大家需要在设备管理器中查看你的显卡型号，这里是我的显卡，型号为：NVIDIA GeForce GTX 1050Ti

2.2 NVIDIA 官网下载对应驱动

百度搜索Nvidia 驱动，点击第一个进入Nvidia官网，在上面查询你的型号，进行下载安装。

如下图为作者的型号搜索，点击搜索，下载安装即可，安装过程一键安装，很简单，就不详细描述了

2.3 CMD 查询NVIDIA 配置

上述下载安装成功后，需要重启电脑，重启完之后，按window+R ,输入CMD打开界面，输入 nvidia-smi ，就可以看到自己显卡的配置

2.4 安装Anaconda

这块安装也很简单，只需要下载anaconda安装包和pycharm安装包即可，大家查看我之前的教程：

https://blog.csdn.net/weixin_38201936/article/details/118788660

安装完毕之后请务必更新为国内的源，加快第三方库的下载速度，在cmd中执行下列指令即可。配置命令如下：

conda config --remove-key channelsconda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/conda config --set show_channel_urls yespip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

3、安装GPU版本的Tensorflow

3.1 创建并激活虚拟环境

打开cmd，首先创建虚拟环境，分别输入下面两条命令，完成虚拟环境的创建和激活

conda create -n transfer-learning  python==3.7.3conda activate transfer-learning

3.2 安装

我们首先需要使用conda安装cuda和cudnn,直接使用下面命令即可

conda install cudatoolkit=10.1conda install cudnn==7.6.5

然后使用pip指令安装gpu版本的tensorflow

pip install tensorflow-gpu==2.3.0

3.3 测试GPU是否可用

现在在命令行中测试一下GPU是否可用，首先输入python，进入python的解释器中，输入下面两条指令，如果输出为True则表示GPU可以使用。

import tensorflow as tfprint(tf.test.is_gpu_available())

4、安装GPU版本的Tytorch

4.1 创建并激活虚拟环境

打开cmd，首先创建虚拟环境，分别输入下面两条命令，完成虚拟环境的创建和激活

conda create -n  tl-torch-gpu  python==3.7.3conda activate  tl-torch-gpu

4.2 安装

我们这里使用conda进行gpu版本pytorch的安装，非常方便，直接在激活的虚拟环境中输入下列命令即可，这里安装的是最新版本的Pytorch

conda install pytorch torchvision torchaudio cudatoolkit=10.2

4.3 测试GPU是否可用

现在在命令行中测试一下GPU是否可用，首先输入python，进入python的解释器中，输入下面两条指令，如果输出为True则表示GPU可以使用。

import torchprint(torch.cuda.is_available())

以上就是2021年Windows下安装GPU版本的Tensorflow和Pytorch所有内容！觉得好的，点赞，在看，分享三连击，谢谢！！！

往期精彩

Pytorch初学者系列-基础知识

点个在看你最好看

ITPub博客

2021年Windows下安装GPU版本的Tensorflow和Pytorch

3.1 创建并激活虚拟环境

3.2 安装

3.3 测试GPU是否可用

4.1 创建并激活虚拟环境

4.3 测试GPU是否可用

最新文章