目录
前言:
第一次跑机器学习的程序,作为一个门外汉拿着代码就直接用CPU跑,三千多张图片的训练集提取特征向量用了两个多小时(还是减少了循环次数的……)
扫描二维码关注公众号,回复: 14242262 查看本文章后来看了看大佬们的做法,发现这个程序是使用GPU跑的,拿CPU跑简直就是对电脑的折磨!(人也折磨),目前掌握了两种用GPU跑程序的方法。
一是在云端GPU服务器上执行程序(费钱)
二是使用本机显卡中的GPU执行程序(费电脑)
第一种还没试过,好像一小时要五角到二块不等,第二种比较容易,但步骤繁琐,所以在此做个记录。
一、准备环境
1、下载anaconda
Anaconda | The World's Most Popular Data Science Platformhttps://www.anaconda.com/
Ananconda安装教程:
2、下载CUDA
为了在计算时只使用GPU而不是CPU,所以我们要下载CUDA驱动来调用GPU。
首先查看一下自己电脑的 NVIDIA显卡需要什么版本的CUDA,如果版本不匹配将无法调用GPU。
在DOS窗口输入指令:
nvidia-smi
如下图,我们可以看到本机的NVIADIA显卡驱动版本是472.19,对应的CUDA最高版本是11.4,所以我们要下载一个不高于11.4的CUDA。
通过下面的指令可以确认是否装有CUDA:
nvcc -V
如下图所示,我们的电脑还没有安装CUDA。
CUDA下载网址:
CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive
CUDA安装教程:
提示:若果你的电脑安装CUDA 11.3 时多次失败,那就放弃安装吧,可能是显卡配置不支持,这里给大家避个雷,不要下载CUDA 10.2,因为10.2在windows已经不提供支持了,下了也不能正常使用的。
所以目前提倡下载 CUDA 11.3 对后序实验进行比较顺利。
3、安装GPU 版本的 Torch
下载时出现了版本不匹配的问题,换个路径重新下载:
大家如果发现下载速度很慢,可以使用国内的镜像。
命令: pip install -i 国内镜像地址 numpy
国内常用源镜像地址:清华:https://pypi.tuna.tsinghua.edu.cn/simple
阿里云:http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学:http://pypi.hustunique.com/
山东理工大学:http://pypi.sdutlinux.org/
豆瓣:http://pypi.douban.com/simple/
例如:pip install -i https://mirrors.aliyun.com/pypi/simple/ numpy
当然安装第三方库的方法有很多种,上述描述的是我推荐的一种。
二、进行实验
使用CUDA前:
使用CUDA后:
CPU:小G,别想偷懒!
三、总结
前期准备:
①下载 Anaconda 环境
②下载 NVIDIA CUDA 11.3 为了调用显卡GPU(下载完查看是否配置了环境变量)
③配置环境python环境,下载GPU 版本的 Torch包
④Pycharm新建项目,将数据集和代码都装进去
⑤运行程序,得出结果
结语:
1、众人拾柴火焰高
2、配置越高越好跑