目标检测(1)——环境配置:cuda和cudnn安装

1. 总结方法:

1)安装cuda和cudnn之前,需要检查独立显卡的显卡驱动。

2)若无驱动,或驱动版本不知道,可以通过右击到设备管理器中查找。

目标检测(1)——环境配置:cuda和cudnn安装

目标检测(1)——环境配置:cuda和cudnn安装  

上面我的是集成显卡,所以显示不太一样,若为独立显卡,应该是四个数,4位为你的驱动版本。若没有,则需要到官网下载对应独立显卡的驱动。(下面是在台式机上的操作)

 

1)检查驱动,因为我是Tesla t4,然后安装的是 421驱动

2) 因此,根据421,我需要10.1+的cuda.以及对应windows10、cuda10.1的cudnn.

具体参数对比见2.

2. 参数笔记

2.1 不同版本的cuda支持驱动

目标检测(1)——环境配置:cuda和cudnn安装 

2.2 支持的计算架构(Micro-architecture):

CUDA8.0:

  • 费米(Fermi,GTX580)
  • 开普勒(Kepler,GTX680,GTX780Ti,GTX Titan,Titan Z,Tesla K80)
  • 麦克斯韦(Maxwell,GTX980Ti,Titan X,Tesla M40)
  • 帕斯卡(Pascal,GTX1080Ti,Titan Xp,Tesla P100)

CUDA9.x:

  • 开普勒(Kepler,GTX680,GTX780Ti,GTX Titan,Titan Z,Tesla K80)
  • 麦克斯韦(Maxwell,GTX980Ti,Titan X,Tesla M40)
  • 帕斯卡(Pascal,GTX1080Ti,Titan Xp,Tesla P100)
  • 伏特(Volta,Titan V,Tesla V100)

CUDA10.x:

  • 开普勒(Kepler,GTX680,GTX780Ti,GTX Titan,Titan Z,Tesla K80)
  • 麦克斯韦(Maxwell,GTX980Ti,Titan X,Tesla M40)
  • 帕斯卡(Pascal,GTX1080Ti,Titan Xp,Tesla P100)
  • 伏特(Volta,Titan V,Tesla V100)
  • 图灵(Turing,RTX2080Ti,Titan RTX,Tesla T4)

 

3. 具体操作以及(3.1\3.2失败过程):

3.1安装cuda  (11.1 版本)

(1)      下载成功

目标检测(1)——环境配置:cuda和cudnn安装 

(2)      双击解压到:D:\软件,然后开始安装,选自定义,下一步

目标检测(1)——环境配置:cuda和cudnn安装 

(3)      安装成功;检测(成功):nvcc  -V

目标检测(1)——环境配置:cuda和cudnn安装 

(4)      安装成功;检测(成功):上述版本错误,驱动落后,cuda下载版本超前。卸载cuda

3.2 安装cudnn

(5)      注册cudnn

目标检测(1)——环境配置:cuda和cudnn安装 

(6)      注册报错,不符合要求,无法注册。(估计是年龄输入太小,重来)

(7)      新的注册(>21岁,成功)

目标检测(1)——环境配置:cuda和cudnn安装 

(8)      邮箱验证;********

           注册姓名:*******

(9)      下载成功;解压,拷贝目录。

(10)  由于cuda版本错误,因此cudnn也删除。

3.3 重新安装

1)安装cuda,如3.1中解压;

 

目标检测(1)——环境配置:cuda和cudnn安装 

 

2)报错,安装vs driver时出错,解决方法:到任务管理器,找到visual studio 2019进程,关掉。然后,next,成功安装。通过nvcc -V 在cmd中查看。10-1安装成功。环境变量也已经成功加载。

目标检测(1)——环境配置:cuda和cudnn安装 

3) 安装cudnn,解压10.1_cudnn.

把cudnn下的lib中的文件,复制到c:\pro_file\..gpu.nvi..d\cuda\10.1\lib中;

把cudnn下的include中的文件,复制到c:\pro_file\.gpu..nvi..d\cuda\10.1\include中;

把cudnn下的bin中的文件,复制到c:\pro_file\..gpu.nvi..d\cuda\10.1\bin中;

4) 安装完成。

 

上一篇:Win10系统配置RTX3060ti GPU深度学习主机pytorch环境


下一篇:超详细!!GPU部署 (pytorch+tensorflow)