2021年Windows下安装GPU版本的Tensorflow和Pytorch

人工智能32

视频教程:2021年windows下安装GPU版本的Tensorflow和Pytorch_哔哩哔哩_bilibili

最近比特币的热潮慢慢褪去,显卡的价格也下来了,所以小伙伴们可以观察一下最近的行情,合适的时候可以入手几块显卡来搞深度学习。关注我的朋友大多数来自大作业怎么搞系列教程,大作业怎么搞系列使用tensorlfow训练了几个物体分类模型,在开源出的代码中我也基本给了大家我训练好的模型,有的朋友反应自己跑训练的过程的时候速度比较慢,这个原因大多都是因为大家是在CPU环境下来跑的,所以速度不是很快,如果使用GPU来跑训练的话,效率上差不多是CPU的10倍。

!!!注:深度学习的小伙伴请选择Nvidia(英伟达)的显卡

显卡的品牌基本可以分为两大阵营:AMD和Nvidia。如果是深度学习使用的话大家务必要选择Nvidia的显卡,AMD显卡性价比虽然比较高,但是其对深度学习的支持不是很好,所以大家购买之前一定要看清是不是英伟达的显卡,下面是英伟达的图标。

2021年Windows下安装GPU版本的Tensorflow和Pytorch

; 认识显卡(GPU)

购买显卡之前,我们以Nvidia的显卡为例,说明一下显卡的型号上面的数字都表示什么意思, 影驰表示的是显卡的制造商, Geforce是显卡系列名称, GTX表示显卡的档次,数字一般是四位,前两位表示显卡的代数, 16就表示是第16代显卡,中间的第三位数字表示的是显卡的性能级别,数字越大显卡的性能级别就相对越好,最后一位一般都是0,不用去管,有的显卡还有英文的后缀, SE表示阉割版、 TISuper表示增强的版本,比如1660TI就是在1660的基础上进行了增强, 6G表示显卡的显存是6个GB,最后的比较炫酷的名字是制造商定的名字,这个一般就是个噱头,不需要太关注。

2021年Windows下安装GPU版本的Tensorflow和Pytorch

此外,对于我们来说,更重要的是学习查看显卡的参数,这些参数是架构、进程、流处理器、核心频率、显存频率、显存位宽和内存容量。例如,这里是3090的显卡信息。

[En]

In addition, it is more important for us to learn to look at the parameters of the video card, which are architecture, process, stream processor, core frequency, video memory frequency, video memory bit width, and memory capacity. For example, here is 3090 of the graphics card information.

2021年Windows下安装GPU版本的Tensorflow和Pytorch

  1. 架构:相当于运行布局,布局越好跑的越流畅。
  2. 工艺:制程越小精度越高,越能发挥更多性能。
  3. 光栅以及流处理器:相当于劳动力,人越多执行力越强。
  4. 核心频率:反应速度,相当于跑车百米提速效率。
  5. 显存频率:相当于限速标志,决定了最大运行速度。
  6. 显存位宽:相当于划线,决定了最大运行通道。
  7. 显存容量:相当于道路限宽,决定了最大承载量。

拿绝地求生来说,这款游戏比较吃显存。因为游戏地图数据都加载在显存内,越是精致的3D画面数据量越多,需要的显存容量就越高。深度学习的话一般主要关注两个点,一个是显存的容量一个是cuda核心的数量,这两个指标越大相对就越好。

拥有台式机的朋友可以直接购买单独的显卡,并将其插入主板。注意自己的电源是否能为显卡供电。

[En]

Friends with desktops can directly buy separate graphics cards and plug them into the motherboard. Pay attention to whether their own power supply can provide power for the graphics card.

没有台式机的小伙伴也可以考虑买带有Nvidia显卡的笔记本,目标联想拯救者系列就是个不错的选择。

安装显卡驱动

首先,第一步是安装显卡驱动,显卡驱动安装需要在官网下载驱动,首先需要在设备管理器中查看您的显卡型号,这是我的显卡。

[En]

First of all, the first step is to install the video card driver, the video card driver installation needs to download the driver on the official website, first of all, you need to check your video card model in the device manager, here is my video card.

2021年Windows下安装GPU版本的Tensorflow和Pytorch

去官网下载对应你显卡的驱动程序:

2021年Windows下安装GPU版本的Tensorflow和Pytorch

下载之后执行程序并进行安装即可,为了防止不必要的情况出现, 安装的时候请按照默认选项执行

安装完毕之后重启电脑在cmd中输入 nvidia-smi,输出下列信息则表示显卡驱动安装成功。

2021年Windows下安装GPU版本的Tensorflow和Pytorch

; 安装Anaconda

老朋友应该都知道Anaconda和Pycharm的使用方式,新朋友的话看下面这个教程就可以了

如何在pycharm中配置anaconda的虚拟环境_dejahu的博客-CSDN博客

安装完成之后在cmd中输入 conda,如果输出下列信息则表示anaconda安装成功。

2021年Windows下安装GPU版本的Tensorflow和Pytorch

安装完毕之后请务必更新为国内的源,加快第三方库的下载速度,在cmd中执行下列指令即可。

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

安装GPU版本的Tensorflow

GPU版本Tensorflow的安装

创建并激活虚拟环境

打开cmd,首先创建虚拟环境,分别输入下面两条命令,完成虚拟环境的创建和激活

conda create -n dejahu-tf python==3.7.3
conda activate dejahu-tf

安装

我们首先需要使用conda安装cuda和cudnn

conda install cudatoolkit=10.1
conda install cudnn==7.6.5

然后使用pip指令安装gpu版本的tensorflow

pip install tensorflow-gpu==2.3.0

测试GPU是否可用

现在在命令行中测试一下GPU是否可用,首先输入python进入python的解释器中

输入下面两条指令,如果输出为True则表示GPU可以使用

import tensorflow as tf
print(tf.test.is_gpu_available())

如果大家的输出和我这个类似那么你就可以愉快地使用GPU版本的tensorflow了

tensorflow如果安装的是GPU版本的则默认使用GPU,大家不需要在代码中指定,直接使用即可

安装GPU版本的Pytorch

GPU版本Pytorch的安装

创建并激活虚拟环境

打开cmd,首先创建虚拟环境,分别输入下面两条命令,完成虚拟环境的创建和激活

conda create -n dejahu-torch python==3.7.3
conda activate dejahu-torch

安装

我们这里使用conda进行gpu版本pytorch的安装,非常方便,直接在激活的虚拟环境中输入下列命令即可,这里安装的是最新版本的Pytorch

conda install pytorch torchvision torchaudio cudatoolkit=10.2

30系的朋友需要cuda11的支持,请执行下列命令

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

如果需要指定版本号,请这样执行

conda install pytorch==1.5.0 torchvision==0.6.1 cudatoolkit=10.2

测试GPU是否可用

现在在命令行中测试一下GPU是否可用,首先输入python进入python的解释器中

输入下面两条指令,如果输出为True则表示GPU可以使用

import torch
print(torch.cuda.is_available())

如果大家的输出和我这个类似那么你就可以愉快地使用GPU版本的Pytorch了

不过Pytorch会讲究使用device来指定GPU,需要大家通过to()方法做下转移

备用方案

另外受到网络的原因,可能需要大家手动安装cuda和cudnn,不过这种方法需要cuda和cudnn匹配,不推荐大家使用,命令如下

conda install cudatoolkit=10.1
conda install cudnn==7.6.5

使用这些API,您可以开发分析工具,深入了解CUDA应用程序的CPU和GPU行为。CUPTI作为CUDA支持的所有平台上的动态库提供。请参阅CUPTI文档。

nvidia与cuda需要满足关系:
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

cuda与cudnn需要满足关系:
https://developer.nvidia.com/rdp/cudnn-archive

cuda历史版本下载连接:
https://developer.nvidia.com/cuda-toolkit-archive

Tensorflow不同版本要求与CUDA及CUDNN版本对应关系:
https://blog.csdn.net/u013066730/article/details/88845083

Original: https://blog.csdn.net/ECHOSON/article/details/118420968
Author: 肆十二
Title: 2021年Windows下安装GPU版本的Tensorflow和Pytorch



相关阅读

Title: python金融数据分析及可视化

目录

1、数据来源——Wind金融终端

在Wind数据库中下载到的宁德时代(代码300750.SZ)从2020-01-03到2021-12-31共485个数据,包括开盘价,最高价,最低价,收盘价以及交易量。
(需要数据进行操作的同学可以在我的资源上下载,由于Wind资讯金融终端不是免费的,而且作为喜欢白嫖的我们,有什么办法得到免费的数据呢,下次找到了一定分享给大家zll[doge])
2021年Windows下安装GPU版本的Tensorflow和Pytorch

; 2、数据读取及其基本描述

import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_excel('....../300750SZ.xls')

此处注意新版pandas.read_excel()函数并不支持.xlsx文件的读取,因此需要将数据文件类型转化为xls(或者可以用其他库函数,不过我觉得这个办法是最简单的)

df = pd.DataFrame(data)
df.head()

将数据data转化为DataFrame类型,并打印出前五行:
2021年Windows下安装GPU版本的Tensorflow和Pytorch

df.describe()

2021年Windows下安装GPU版本的Tensorflow和Pytorch

3、收盘价与成交量关系图


df['close'].plot()

2021年Windows下安装GPU版本的Tensorflow和Pytorch


df[['close','volume']].plot(subplots=True)

2021年Windows下安装GPU版本的Tensorflow和Pytorch
基本上我们就可以得到收盘价与成交量之间的关系图了,但是从两张图中来看,其x轴均不是日期,并且成交量一般使用的是柱状图,所以,我们加一点点细节让图变得好看一些。

list_date = list(df['Date'])
df.index = list_date

price = df['close']
volumes = df['volume']
top = plt.subplot2grid((4,4), (0,0), rowspan=3, colspan=4)
top.plot(price.index, price, label='close')
plt.title('300750.SZ Close Price from 2020-2021')
plt.legend(loc=2)

bottom = plt.subplot2grid((4,4), (3,0), rowspan=1, colspan=4)
bottom.bar(volumes.index, volumes)
plt.title('300750.SZ Daily Trading Volume')

plt.gcf().set_size_inches(12,8)
plt.subplots_adjust(hspace=0.75)

2021年Windows下安装GPU版本的Tensorflow和Pytorch

4、收益率曲线

(>......

Original: https://blog.csdn.net/weixin_47974364/article/details/123408886
Author: 貮叁
Title: python金融数据分析及可视化

相关文章
Ubuntu-20 配置静态ip 人工智能

Ubuntu-20 配置静态ip

一、查看网卡名称 打开终端使用命令 ifconfig ubuntu系统查看 网卡名称:ens33 本机当前ip为 (inet):192.168.222.135 子网掩码24位(netmask):255...
ONNX格式解析之google protobuf解析 人工智能

ONNX格式解析之google protobuf解析

ONNX模型是按照google protobuf格式保存的,模型训练的目的就是为了得到变量的权值,只不过是纯数字罢了,但是我们也不能就这样把这些数字一个一个地写入文件,因为在要保存的模型文件里,不光要...