前言

大伙既然都來做這個了，那配個CUDA環境肯定是必不可少的了吧（笑）

最前面的最前面，

流程

1. 確定當前設備支持的CUDA版本
2. 安裝CUDA Toolkit 和 GPU版的Paddlepaddle
3. 下載cuDNN Archive
4. 手動放置配套的cuDNN到指定文件夾
5. 測試

1.確定當前設備支持的CUDA版本

當然了，我這里默認了你是有安裝NVIDIA驅動的，如果沒有，你可以自己百度一下如何安裝NVIDIA驅動，或者直接下載一個Geforce experience來更新驅動。

首先右鍵桌面，點擊NVIDIA控制面板

在NVIDIA控制面板下面，點擊系統信息

下圖中點擊組件

可以在3D設置中看到自己當前支持的CUDA版本，比如我這里是12.3.107

2.安裝CUDA Toolkit

在安裝前，我希望你確定一件事，這里我們找到paddlepaddle官方網站的安裝界面，這里是有這么一句話：

我這里最高能用CUDA 12.0版本，那么我們就需要配合cuDNN v8.9.1版本使用，還需要搭載TensorRT 8.6.1.6

我先說明，你在使用paddle的時候，請先下載最基本的CPU版本，然后再安裝GPU版本，貌似GPU版本是CPU版本的一個插件一樣而不是一個單獨可以使用的庫。

至于安裝命令，可以參考

paddle官網

這里由于是12.0的CUDA版本，所以我這里命令是

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

其次，下載CUDA的鏈接如下：

CUDA Toolkit Archive

在此鏈接中找到我們心儀的12.0版本，進行下載

CUDA ToolKit就隨便安裝一下就可以了，直接一直點下一步即可。

3.下載cuDNN Archive

還記得嗎，因為我們的CUDA版本為12.0，所以我們現在需要下載的cuDNN版本為v8.9.1

現在找到cuDNN的下載地址：

cuDNN Archive

這里需要登陸NVIDIA官方，可能需要*

這里因為我們是12.x版本，所以就下載上面這個cuDNN版本

4. 手動放置配套的cuDNN到指定文件夾

ok我們現在下好了這個cuDNN包，然后里面是這些東西

這幾個文件夾待會要用，現在先找到環境變量，找到這幾項：；

因為我們是12.0的版本，所以我們轉到這個12.0的目錄，然后把cuDNN包里面這幾個文件夾直接復制進去

5.測試吧！

測試只需要輸入代碼如下即可：

import paddle

paddle.utils.run_check()

 # 開啟0號GPU訓練
use_gpu = True
paddle.device.set_device('gpu:0') if use_gpu else paddle.device.set_device('cpu')

如果看到代碼沒報錯，有如下字樣，則代表設備初始化成功，庫的導入成功啦！

總結

以上是生活随笔為你收集整理的简易机器学习笔记（十）Windows下 PaddlePaddle配置CUDA加速环境的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。