浏览量: 91 次浏览

pytorch cuda 显卡驱动

2020年2月14日 0 作者 Nie Hen

pytorch

官网地址
PyTorch是一个开源的Python机器学习库,基于Torch, 应用于人工智能领域,如自然语言处理。它最初由Facebook的人工智能研究团队开发,
PyTorch主要有两大特征:
如NumPy的张量计算,但使用GPU加速,基于带基自动微分系统的深度神经网络.
用的比较多的版本有0.4 最新版本到1.2
训练的模型 后缀为pt

cuda

CUDA(Compute Unified Device 是由NVIDIA所推出的一种集成技术,是该公司对于GPGPU的正式名称
CUDA是NVIDIA推出的用于自家GPU的并行计算框架,也就是说CUDA只能在NVIDIA的GPU上运行,而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用
参考维基百科

cuDNN(CUDA Deep Neural Network library):是NVIDIA打造的针对深度神经网络的加速库,是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型,cuDNN不是必须的,但是一般会采用这个加速库
查看cuda版本 

nvcc -V

查看GPU信息

nvidia-smi

显卡驱动

英伟达显卡下载驱动 连接
GPU 和 CPU
enter description here
GPU有更多的运算单元(如图中绿色的ALU)
CPU擅长逻辑控制,是串行计算,而GPU擅长高强度计算,是并行计算

GPU就像成千上万的苦力,每个人干的都是类似的苦力活,相互之间没有依赖,都是独立的,简单的人多力量大;CPU就像包工头,虽然也能干苦力的活,但是人少,所以一般负责任务分配,人员调度等工作。

可以看出GPU加速是通过大量线程并行实现的,因此对于不能高度并行化的工作而言,GPU就没什么效果了。而CPU则是串行操作,需要很强的通用性,主要起到统管和分配任务的作用。

pyroch 与 cuda

1.查看pytorch对应到cuda版本  
import torch
print(torch.version.cuda)
(torch 0.4 –> cuda 8.0 torch 1.01 –> cuda 10.0)

cuda和显卡驱动

对应关系
enter description here

安装与切换

参考教程 enter description here
参考2 连接enter description here

切换cuda版本的教程 切换cuda万金油

无法使用gpu的时候

调用模型 使用这个语句 调用cpu

torch.load(“0.9472_0048.weights”,map_location=’cpu’)