江苏龙网

  1. 首页 > 人文 > >

科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了( 三 )


自2010年代末的GeForce8系列GPU以来 ， 几乎所有GPU都兼容CUDA 。 要想了解你的GPU是否启用CUDA ， 可以访问英伟达的网站 。
举个例子 ， 如果你有一台消费级GPU ， 不管是GeForce系列还是Titan系列 ， 你都可以在下图中看到你的GPU是否支持CUDA 。
科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了
文章图片
数据截至2020年9月 ， 截图仅含部分型号 。
如果你的电脑是笔记本 ， 你应该看右边的列表；如果你的电脑是台式机 ， 你显然就该看左边的列表 。
之前已经提到 ， 我的GPU是右侧列表中的RTX2060Max-Q 。 另外 ， 你不必在意显卡型号名称是否与该列表中的名称完全匹配 ， Max-Q和Super的底层架构一样 ， 只在TDP、CUDA核及张量核数量方面有一些差异 。
比如 ， 不管你的GPU是RTX2080Super还是2080Max-Q又或是2080SuperMax-Q ， 看列表中的RTX2080就够了 。 但如果你的GPU是RTX2080Ti或其它加了Ti的型号 ， 则说明你的GPU是该系列中最高端的那一款 ， 这些GPU通常在显存大小和CUDA核及张量核数量方面更具优势 。
截至2020年9月 ， 要使用TensorFlow2.0 ， 显卡计算能力必须高于3.5 ， 但建议使用计算能力至少为6的显卡以获得更好的体验 。 TensorFlow2.0还需要CUDA10版本 ， 而这又进一步要求驱动版本至少为418.x 。
PyTorch需要的CUDA版本至少为9.2 ， 但也支持10.1和10.2 。 所需的计算能力至少要高于3.0 。
CuDNN：即CUDADeepNeuralNetwork软件库 ， 这是一个用于深度神经网络的GPU加速原语库 。 cuDNN为前向和反向卷积、池化、归一化和激活层等标准例程提供了经过高度微调的实现 。
（可选）TensorRT：NVIDIATensorRT是一套用于高性能深度学习接口的SDK 。 其包含深度学习接口优化器和运行时优化器 ， 能为深度学习接口应用提供低延迟和高通量的特性 。
安装GPU驱动
首先 ， 你需要搞清楚所使用的GPU型号 ， 而且你的GPU必须启用了CUDA 。
如果你还没有安装驱动 ， 你可能需要运行一次Windows更新 ， 它会自动处理有用软件的安装过程 ， 比如英伟达控制面板 。 这能帮助你获悉GPU的相关信息 ， 还有一些与本文无关的设置 。
英伟达控制面板就绪之后 ， 你可以在开始菜单打开它 ， 也可以右键点击桌面 ， 然后选择英伟达控制面板 。
打开之后 ， 你可以点击「帮助→系统信息」来查看GPU驱动版本 。 驱动版本号列在「细节」窗口的顶部 。
科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了
文章图片
如上图所示 ， 我的驱动版本是456.x ， 远超过418.x的最低要求 ， 所以我不必安装新驱动 。
但你的电脑可能不是这样的 。 要安装最新版的驱动 ， 可访问https://www.nvidia.com/Download/index.aspx ， 然后输入GPU信息 ， 下载合适的驱动 。
科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了
文章图片
?
驱动下载完成后 ， 运行安装包 ， 选择快速安装会更轻松 。 驱动安装完成之后 ， 可使用英伟达控制面板进行验证 。
另一个安装驱动的方法是使用英伟达的GeForceExperience应用程序 。 只要你购买的是主打游戏的电脑 ， 应该都预装了该软件 。 安装过程很简单 。
这一步是可选的 。 如果你已经按照上面的步骤安装了驱动 ， 或你的电脑没有预装该软件 ， 那就不用在乎这个步骤 。
你可在这里下载该程序：https://www.nvidia.com/en-in/geforce/geforce-experience/ ， 然后跟着安装流程将其安装到电脑上 。 安装完成 ， 打开它 ， 进入驱动选项卡 ， 检查更新并安装新驱动 。 你也可以在该应用中查看驱动的版本号 。
科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了
文章图片
?GeForceExperience演示


推荐阅读


上一篇：科技日报地球深处的铀矿是这样挖到的

下一篇：中关村在线爆款热销 这款投影给你不一样的“视界”