目次
2. CUDA、cuDNN、PyTorch をインストールする
I.はじめに
ディープ ラーニング モデルをトレーニングする場合、CPU トレーニングを使用できますが、通常は低速です。GPU を使用してトレーニングを高速化することもでき、それによってトレーニング時間を短縮できます。
現在、ディープラーニングをサポートしているグラフィックス カードは NIVDIA のみであり、AMD はサポートしていないため、AMD グラフィックス カードのユーザーは CUDA のインストールを気にする必要がなくなり、CPU バージョンの PyTorch を直接インストールするだけで済みます。
GPU を使用してトレーニングを高速化するには、 CUDA、cuDNN、PyTorchの 3 つをインストールする必要があります。PyTorch が深層学習用のオープンソース ライブラリであることは誰もが知っていますが、もちろん、個人の好みに応じて、ここで Tensorflow を使用することもできます。
CUDA と cuDNN は最初は混同されるかもしれませんが、一般的に言えば、CUDA は強力なコンピューティング機能を備えたツール ライブラリであり、cuDNN はツール ライブラリがモデルを理解できるようにツール ライブラリを構成したもので、ツール ライブラリのことを Calculation と呼びます。
NVIDIA グラフィックス カードであっても、GPU (グラフィックス カード) が CUDA をサポートしているかどうかを確認する必要があります。確認方法は 2 つあります。
- Nvidia コントロール パネル (NVIDIA コントロール パネル) に入り、次の図に示すように 、ヘルプ -> システム情報 (I) -> コンポーネント -> 3D 設定 ->コンポーネント内のNVCUDA64.DLLが CUDA バージョンに対応します。
CUDAのバージョン - 2 番目の方法は、CUDA を以前にインストールしたことがあり、バージョンを確認したい人に適しています。コマンド ライン (cmd) を入力し、次のコマンドを実行して、ネイティブ CUDA ドライバーのバージョンを表示します。
nvcc -V注: コマンドラインで CUDA バージョンを確認する別のコマンドがあります: nvidia-smi。nvidia-smi はグラフィックス カード ドライバーのインストール時にインストールされている CUDA バージョンを表示するため、2 回実行した後の結果は異なる場合があります。および nvcc -V表示には、CUDA Toolkit を通じてインストールされた CUDA が表示されます。GPU を使用して DL モデルをトレーニングする場合は、nvcc -Vの表示を参照します。
2. CUDA、cuDNN、PyTorch をインストールする
CUDA と cuDNN の両方を PyTorch (節) に適応させる必要があるため、まず PyTorch インストール Web サイトを開きます: PyTorch
上の図に従って選択すると、[コンピューティング プラットフォーム] 列で、PyTorch 公式 Web サイトが現在 CUDA11.7 と 11.8 のみをサポートしており、私のマシンは現在 CUDA12.0 であるため、ダウングレードする必要があることがわかります。インストールされていない場合は、11.7 または 11.8 をインストールします。
注: PyTorch は CUDA と下位互換性を持つことができます。つまり、PyTorch のバージョンをより高くすることはできますが、CUDA のバージョンをより高くすることはできません。
Windows に CUDA をインストールするには、まず 2 つのインストール パッケージをダウンロードする必要があります
- CUDA ツールキット (ツールキットとはツールキットの意味) CUDA ツールキット 12.1 アップデート 1 ダウンロード | NVIDIA 開発者
- cuDNN (深層学習の使用を構成するため)
CUDAのインストール
公式 Web サイトに入ると、デフォルトで最新バージョン (12.1) がダウンロードされ、以前のバージョン (以前の CUDA リリースのアーカイブ) が選択されることに注意してください。
ここでバージョン 11.8.0 をインストールすることを選択します。
独自のシステム バージョンとインストール方法を選択してください。インストール方法「ローカル」と「ネットワーク」は、それぞれ 3.0GB と 29MB です。個人的な理解では、1 つは完全インストール パッケージ、もう 1 つは簡易インストール パッケージです。事前にダウンロードできます。インストール方法は、ダウンロードが完了したら、最後までインストールしてください。インストールが完了したら、環境変数を入力します。次の変数を入力すると成功します (インストール アドレスは次のとおりです)。私がカスタマイズしました):
CUDA のインストール時にパスを選択せず、簡単インストールを選択した場合、デフォルトのパスは次のようになります。
C:\Program Files\NVIDIA GPU コンピューティング ツールキット
上記の環境変数が表示されたら、CUDA が正常にインストールされたことを意味します。この時点で、コマンド ライン (cmd) を入力し、コマンドnvcc -Vを実行すると、CUDA のバージョンが表示されます。
cuDNN のインストール
最初のステップが完了しました。次のステップは cuDNN のインストールです。https://developer.nvidia.com/rdp/cudnn-download、ここで cuDNN をダウンロードするには、Nvidia アカウントを登録する必要があります。インターネットをサーフィンする必要がある場合があります。科学的に確認し、cuDNN に対応する、インストールした CUDA のバージョンを選択します。
注: CUDA と cuDNN のバージョンは対応している必要があります。相互互換性はありません。など、対応している必要があります。
現在の CUDA バージョンは 11.8 なので、cuDNN は「for CUDA 11.x」を選択します。cuDNN のインストール方法は圧縮パッケージであり、直接解凍できます。解凍後、次の内容が得られます。
CUDA はツールとみなすことができ、cuDNN はツールの構成であるため、 cuDNN フォルダー内の3 つのフォルダーbin+include+lib を先ほどの CUDA インストール ディレクトリにコピーします。デフォルトのインストール ディレクトリは C:\Program Files\ です。 NVIDIA GPU Computing Toolkit\CUDA\v11.8、インストール場所に応じて、F ドライブの CUDA フォルダーにあります。
コピーが完了すると、CUDA と cuDNN のインストールが完了し、インストールが成功したかどうかをテストします。
3. インストールが成功したかどうかを確認します
コマンド ライン インターフェイスを開き、CUDA がインストールされているディレクトリに cd で移動し、\extras\demo_suiteディレクトリに入り、このディレクトリで2 つのアプリケーション ( bandwidthTest.exe、deviceQuery.exe ) を実行して、インストールが成功したかどうかをテストします。
2 つの exe を実行すると、上記のようになります。Reulst = Pass、つまり、CUDA と cuDNN の両方が正常にインストールされたことを意味します。次の記事では、PyTorch のインストールと一般的な問題の解決方法を紹介します。
お役に立てば幸いです!