gpu环境配置,查看gpu型号

gpu环境配置,查看gpu型号

学习深度学习第一步就是环境的配置，相信很多小伙伴已经被什么anaconda,tensorflow,Pytorch,cuda这些东西搞得晕头转向，今天带大家详细配置深度学习的环境，这一篇准要教书Pytorch框架2.GPU驱动、cuda、cudnn安装2.1 GPU驱动、cuda、cudnn版本匹配2.2 GPU驱动、cuda、cudnn具体安装3.anaconda、pytorch、pycharm安装4.总计1.深度学习环境安装说明首先，我们给出需要安装软件

图1-1官网基础环境选择图1-2官网下载页面1.2 Nvidia驱动安装双击或者右键运行驱动程序“386.45-tesla-desktop-win10-64bit-international.exe”，接着完成驱动解压，解压路(3)安装TensorFlow-gpu 在新的环境中，你可以通过以下命令安装TensorFlow-gpu: conda install tensorflow-gpu==2.6.0 这将自动为你安装最新版本的TensorFlow-gpu的2.6版本和所有必要

Windows下的CUDA环境配置一、查看自己电脑的显卡信息使用win+R打开运行窗口，在运行窗口中输入cmd打开命令行在命令行中键入nvidia-smi查看显卡支持信息从下图中可以看到，本机显卡的显卡驱动版启用具有GPU 加速的模块可以通过不同的方法来启用IoT Edge 模块，以便它使用GPU 进行处理。一种方法是将设备上现有的IoT Edge 模块配置为GPU 加速模块。另一种方法是使用预

?０? 访问英伟达官网，下载安装最先版本的CUDA,默认安装位置为：C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA,安装后会自动配置环境变量当然，若要下载早期版本的CUDA,可以点击下分别在网站上下载对应的版本，安装即可。安装配置打开Anaconda Prompt,新建tensorflow环境激活Tensorflow:activate tensorflow,查看python版本为3.6: 安装tensorflow-gpu:pip install tensorflo

一般地，深度学习的模型可以在笔记本电脑上运行，但训练模型有时可能需要等待几个小时，而在一个好的GPU上则只需几分钟，因此在深度学习研究上非常推荐使用好的GPU进行运算。最近实验室新一批的服务# 激活环境：conda activate tf-gpu-py36# 离开环境conda deactivate 1 2 3 4 激活环境后，在命令行前面会有一个当前所处环境的表明，如图，激活前是base环境，激活后进入到了tf-gpu-py36环境现在这里