AI 人工智能学习之路（Python）

# 安装 CUDA B站视频教程参考: https://www.bilibili.com/video/BV1ng411M7qV ## 安装Nvidia显卡驱动 安装Nvidia显卡驱动前可以先检查Nvidia显卡驱动是否已安装。搜索 Nvidia控制面板 或 Nvidia Control Panel可以看到当前已经安装的显卡驱动及版本  如需安装显卡驱动，在官方驱动下载网站找到自己的显卡型号对应的驱动下载并安装: https://www.nvidia.cn/Download/index.aspx?lang=cn  ## 安装Tookit和CuDNN ### 前言 windows10 版本安装 CUDA ，首先需要下载两个安装包 - CUDA toolkit（toolkit就是指工具包） - cuDNN(cuDNN 是用于配置深度学习使用) 官方教程 CUDA：https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html cuDNN：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows ### 安装工具的准备 #### CUDA toolkit下载 CUDA toolkit下载地址: https://developer.nvidia.com/cuda-toolkit-archive - 官网安装: https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64 - 官网说明文档: https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html GA = General Availability,通用版本,指软件的通用版本。 RC=Release Candidate,含义 是"发布候选版",它不是最终的版本,而是最终版(RTM=Release To Manufacture)之前的最后一个版本 CUDA的版本是跟显卡型号有关还是驱动有关？ 一般是驱动版本决定了能用的CUDA版本的上限，比如新版的显卡驱动可以支持老的CUDA runtime。但是老的显卡可能无法更新到最新的显卡驱动，比如Fermi显卡只能装到391驱动，因此只能用到CUDA9.1。除此之外，显卡硬件与CUDA compute capability相关，当然编译时也可以指定streaming multiprocessor。新的架构支持更多特性就是了。 | CUDA Toolkit | Linux x86_64 Driver Version | Windows x86_64 Driver Version | | ------------------------------------------------- | --------------------------- | ----------------------------- | | CUDA 11.6 Update 2 | >=510.47.03 | >=511.65 | | CUDA 11.6 Update 1 | >=510.47.03 | >=511.65 | | CUDA 11.6 GA | >=510.39.01 | >=511.23 | | CUDA 11.5 Update 2 | >=495.29.05 | >=496.13 | | CUDA 11.5 Update 1 | >=495.29.05 | >=496.13 | | CUDA 11.5 GA | >=495.29.05 | >=496.04 | | CUDA 11.4 Update 4 | >=470.82.01 | >=472.50 | | CUDA 11.4 Update 3 | >=470.82.01 | >=472.50 | | CUDA 11.4 Update 2 | >=470.57.02 | >=471.41 | | CUDA 11.4 Update 1 | >=470.57.02 | >=471.41 | | CUDA 11.4.0 GA | >=470.42.01 | >=471.11 | | CUDA 11.3.1 Update 1 | >=465.19.01 | >=465.89 | | CUDA 11.3.0 GA | >=465.19.01 | >=465.89 | | CUDA 11.2.2 Update 2 | >=460.32.03 | >=461.33 | | CUDA 11.2.1 Update 1 | >=460.32.03 | >=461.09 | | CUDA 11.2.0 GA | >=460.27.03 | >=460.82 | | CUDA 11.1.1 Update 1 | >=455.32 | >=456.81 | | CUDA 11.1 GA | >=455.23 | >=456.38 | | CUDA 11.0.3 Update 1 | >= 450.51.06 | >= 451.82 | | CUDA 11.0.2 GA | >= 450.51.05 | >= 451.48 | | CUDA 11.0.1 RC | >= 450.36.06 | >= 451.22 | | CUDA 10.2.89 | >= 440.33 | >= 441.22 | | CUDA 10.1 (10.1.105 general release, and updates) | >= 418.39 | >= 418.96 | | CUDA 10.0.130 | >= 410.48 | >= 411.31 | | CUDA 9.2 (9.2.148 Update 1) | >= 396.37 | >= 398.26 | | CUDA 9.2 (9.2.88) | >= 396.26 | >= 397.44 | | CUDA 9.1 (9.1.85) | >= 390.46 | >= 391.29 | | CUDA 9.0 (9.0.76) | >= 384.81 | >= 385.54 | | CUDA 8.0 (8.0.61 GA2) | >= 375.26 | >= 376.51 | | CUDA 8.0 (8.0.44) | >= 367.48 | >= 369.30 | | CUDA 7.5 (7.5.16) | >= 352.31 | >= 353.66 | | CUDA 7.0 (7.0.28) | >= 346.46 | >= 347.62 | 由于PyTorch最大只支持CUDA11.3，因此使用 CUDA 11.3.1 Update 1 版本  #### cuDNN下载 cuDNN地址如下，不过要注意的是，我们需要注册一个账号，才可以进入到下载界面。下载地址: https://developer.nvidia.com/rdp/cudnn-download 可以使用下面网址，查看适配的 cuDNN: https://developer.nvidia.com/rdp/cudnn-archive 由于在win10上使用CUDA 11.3，因此使用如下版本:  ### CUDA 安装与配置过程 双击“exe文件”，选择下载路径，推荐默认路径，安装后该目录会自动被清理。  安装选项 - 如果你是第一次安装，尽量全选 - 如果你是第n次安装，尽量只选择第一个，不然会出现错误  不要选Visual Studio Integration，即使选了也不能成功安装。  记住安装位置，tensorflow要求配置环境  > 重点提醒：一定要记住这个路径，把这个路径保留下来，后面我们还会用到！！！ 安装完成后，查看系统变量中是否添加了路径，如果没有需要自己添加。  测试环境是否安装成功。运行cmd，输入`nvcc --version`即可查看版本号； set cuda，可以查看 CUDA 设置的环境变量。 ``` C:\Users\as>nvcc --version nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2021 NVIDIA Corporation Built on Mon_May__3_19:41:42_Pacific_Daylight_Time_2021 Cuda compilation tools, release 11.3, V11.3.109 Build cuda_11.3.r11.3/compiler.29920130_0 C:\Users\as>set cuda CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3 CUDA_PATH_V11_3=C:\P