简易机器学习笔记（十）Windows下 PaddlePaddle配置CUDA加速环境

前言

大伙既然都来做这个了，那配个CUDA环境肯定是必不可少的了吧（笑）

最前面的最前面，

流程

1. 确定当前设备支持的CUDA版本
2. 安装CUDA Toolkit 和 GPU版的Paddlepaddle
3. 下载cuDNN Archive
4. 手动放置配套的cuDNN到指定文件夹
5. 测试

1.确定当前设备支持的CUDA版本

当然了，我这里默认了你是有安装NVIDIA驱动的，如果没有，你可以自己百度一下如何安装NVIDIA驱动，或者直接下载一个Geforce experience来更新驱动。

首先右键桌面，点击NVIDIA控制面板

在NVIDIA控制面板下面，点击系统信息

下图中点击组件

可以在3D设置中看到自己当前支持的CUDA版本，比如我这里是12.3.107

2.安装CUDA Toolkit

在安装前，我希望你确定一件事，这里我们找到paddlepaddle官方网站的安装界面，这里是有这么一句话：

我这里最高能用CUDA 12.0版本，那么我们就需要配合cuDNN v8.9.1版本使用，还需要搭载TensorRT 8.6.1.6

我先说明，你在使用paddle的时候，请先下载最基本的CPU版本，然后再安装GPU版本，貌似GPU版本是CPU版本的一个插件一样而不是一个单独可以使用的库。

至于安装命令，可以参考

paddle官网

这里由于是12.0的CUDA版本，所以我这里命令是

python -m pip install paddlepaddle-gpu==2.6.0.post120 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

其次，下载CUDA的链接如下：

CUDA Toolkit Archive

在此链接中找到我们心仪的12.0版本，进行下载

CUDA ToolKit就随便安装一下就可以了，直接一直点下一步即可。

3.下载cuDNN Archive

还记得吗，因为我们的CUDA版本为12.0，所以我们现在需要下载的cuDNN版本为v8.9.1

现在找到cuDNN的下载地址：

cuDNN Archive

这里需要登陆NVIDIA官方，可能需要梯子

这里因为我们是12.x版本，所以就下载上面这个cuDNN版本

4. 手动放置配套的cuDNN到指定文件夹

ok我们现在下好了这个cuDNN包，然后里面是这些东西

这几个文件夹待会要用，现在先找到环境变量，找到这几项：；

因为我们是12.0的版本，所以我们转到这个12.0的目录，然后把cuDNN包里面这几个文件夹直接复制进去

5.测试吧！

测试只需要输入代码如下即可：

import paddle

paddle.utils.run_check()

 # 开启0号GPU训练
use_gpu = True
paddle.device.set_device('gpu:0') if use_gpu else paddle.device.set_device('cpu')

如果看到代码没报错，有如下字样，则代表设备初始化成功，库的导入成功啦！