【Python】Win10 Nvidia GPU 、tensorflow深度学习环境

2022-12-07 12:58:11

文章目录

随着人工智能的发展，越来越多人都想往人工智能方向发展，可是人工智能环境配置对于小白来说非常发展恶心，之前我学习时也吃了不少亏，百度搜索各种操作指南参之不齐，很多都是直接了。这里我亲自操作（把俺电脑那些显卡驱动都删了重新演示一遍给小白）

1流程步骤

2详细

安装之前先说明一下几个概念：
1、显卡驱动、CUDA、cudnn之间的关系
显卡驱动：是封装成软件的程序，硬件厂商根据操作系统编写的配置文件。安装成功后成为了操作系统中的一小块代码，它是硬件所对应的软件，有了它，计算机就可以与显卡进行通信，驱使其工作。如果没有显卡驱动，显卡就无法工作。

cuda:其是由NVIDIA发明的并行计算平台以及编程模型，它可以显著的提高GPU的计算性能

cudnn:NVIDIA的cuDNN是针对深度神经网络计算的一个GPU加速库，为标准例程提供了高度优化的实现，比如向前、向后卷积，池化，规范化和激活层。其是NVIDIA Deep Learning SDK的一部分。

简而言之，显卡驱动让底层显卡硬件正常工作，CUDA的本质是一个使用显卡运算能力的工具包（ToolKit）。cuda既可以离线安装也可以在线安装，但离线安装的CUDA工具包会默认携带与之匹配的最新的驱动程序

显卡驱动与cuda的关系：NVIDIA的显卡驱动器与CUDA并不是一一对应的，CUDA本质上只是一个工具包而已，所以我可以在同一个设备上安装很多个不同版本的CUDA工具包，比如可以同时安装 CUDA 9.0、CUDA 9.2、CUDA 10.0三个版本。一般情况下，我只需要安装最新版本的显卡驱动，然后根据自己的选择选择不同CUDA工具包就可以了，但是由于使用离线的CUDA总是会捆绑CUDA和驱动程序，所以在使用多个CUDA的时候就不要选择离线安装的CUDA了，否则每次都会安装不同的显卡驱动，这不太好，我们直接安装一个最新版的显卡驱动，然后在线安装不同版本的CUDA即可。

CUDA、cuDNN的关系：CUDA与cuDNN也不是一一对应的。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。