三大框架（Paddle\Pytorch\Tensorflow-GPU）配置

一、cuda、cudnn安装

1、查看本机支持最高版本

打开NVIDIA控制面板——点击系统信息——组件，即可看到当前支持的最高版本。

2、安装

CUDA的下载
cudnn的下载

不想下载的可以看我已经下载好的
链接：https://pan.baidu.com/s/1rHr7Af_0Hu98Q75KDlwGjA?pwd=4869
提取码：4869

这里我们以cuda11.6为例：

cuda安装直接默认即可，不用设置不同的路径，设置相同路径不会互相影响。
一台电脑安装可以安装多个cuda版本， 且不同版本之间不会覆盖。
不同版本的cuda之间的切换，只需将环境变量的路径置前即可。

cudnn并不是一个安装程序，而是一个C++运行库，包含头文件、lib文件、dll文件。下载完成后需要把相应文件复制到cuda的目录下。
解压cudnn压缩文件，会得到如下文件：

是选中cudaa内文件夹内的文件复制到对应cuda的文件夹中（Lib文件需将其复制到x64中）！！！

打开系统环境变量，可以看到在系统变量里多了两个CUDA_PATH和CUDA_PATH_V11_6，这两个变量是安装完cuda后自动添加的。

然后新建如下几个环境变量：

一般新加的在最下面，所以需要重复点击“上移”将这四行移到最上面。

3、测试

大功告成！测试一下；
打开cmd，键入nvcc -V；
如果安装成功，并配置了环境变量，会输出cuda的版本信息。
(想改cmd颜色、背景的可以参考)

二、Paddle—GPU

建议每个框架都新建一个环境，如下：

Paddle安装

python -m pip install paddlepaddle-gpu==2.3.2.post116 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

一般还需要paddlex:

pip install paddlex -i https://mirror.baidu.com/pypi/simple 

测试：

import paddle
print(paddle.utils.run_check())

三、Pytorch—GPU

Pytorch安装

conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

测试:

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

四、TensorFlow—GPU

国内利用pip命令下载安装经常会遇到下载速度很慢甚至连接断开、响应超时等导致安装失败的情况。这时，我们可以选择国内的镜像配置pip源，仅需要在“pip install”命令后加入“-i 源地址”即可。
现在我们利用国内清华源安装TensorFlow的最新版本。

pip install -U tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

测试:

import tensorflow as tf
# print(tf.test.is_gpu_available())
print('Num GPUs Available:',len(tf.config.list_physical_devices('GPU')))
print(tf.config.list_physical_devices('GPU'))

输出：

每日“大饼”：
人生的意义永远在于拓展 而不在于固守 别管我今天是谁 我想成为一个更好的自己