1 VS2019安装
网址:Visual Studio: 面向软件开发人员和 Teams 的 IDE 和代码编辑器
下载完成之后双击.exe文件
步骤严格如下安装
默认语音包为中文(简体)
安装位置可以自行选择,完成以后就可以点击安装了。
安装完毕以后需要重启软件,点击确定。
然后的话我们Visual Studio 2022是社区版的需要一个微软的账号登陆,登录以后就可以永久免费使用了。当然,如果我们这里没有是给大家做个示范就先选择以后再说,这个的话就只有30天免费使用。
跳过此项后来到开发环境设置,因为我们是C++所以选择Visual C++
启动VS
到这里我们的Visual Studio 2022已经安装完成可以使用了
1.1 Visual Studio 2022使用教程
安装完成以后就可以来写一个简单的C语言代码了。
那怎么去写呢?
这里我们双击创建新建项
再双击空项目
然后我们就可以根据自己想要的创建项目的名字和位置了,一般项目名称不要出现中文和空格,这里我就叫test_8_11,再点击创建。
进入页面以后,用鼠标右键点击源文件
再添加新建项
因为我们写的是C语言代码就命名为.c文件
点击添加,我们就创建了一个新的test.c文件
然后我们就可以输入自己想要的代码了,这里我们输入一个简单的代码程序
#include<stdio.h>
int main()
{printf("Hello World!");return 0;
}
ctrl+F5代码执行
到这里我们的Visual Studio 2022就可以正常使用了,有任何问题都可以在评论区留言或者直接私信我,我会一 一解答大家的问题
1.2 CUDA到底是个啥
统一计算设备架构(Compute Unified Device Architecture, CUDA)是由NVIDIA推出的、只能用于自家GPU的通用并行计算架构,该架构能够使GPU解决复杂的计算问题。所谓并行计算,计算的原则可以概括为:一个大问题可以被划分为很多可以同时解决的小问题,并对这些小问题同时进行处理计算的过程。CUDA中计算分为两部分,串行部分在Host上执行,即CPU,而并行部分在Device上执行,即GPU。只有要解决的计算问题是需要进行大量并行计算的时候才能发挥CUDA的作用。
近年来,GPU被广泛应用于深度学习领域,并取得了相当哇塞的效果,基于GPU的并行计算已经成为训练深度学习模型的标配。然而,GPU并不是一个独立运行的计算平台,还需要与CPU协同工作,可以将其看做CPU的协处理器。因此GPU并行计算,其实是指CPU+GPU的异构计算架构。GPU与CPU通过PCIe总线连接在一起来协同工作,CPU所在位置称为为主机端(host),而GPU所在位置称为设备端(device)
1.3 cuDNN又是个啥
NVIDIA CUDA 深层神经网络库(cuDNN)是一个用来进行 GPU 加速的深层神经网络库。cuDNN可以显著加速深度学习框架。cuDNN还可以集成到更高级别的机器学习框架中,如谷歌Tensorflow、加州大学的caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型,而不是简单调整性能,同时还可以在GPU上实现高性能现代并行计算。
cuDNN是基于CUDA的深度学习GPU加速库,有了它才能在GPU上完成深度学习的计算。如果将CUDA看作是一个木匠的木工桌,上面配有各种需要的工具。而cuDNN就相当于是木工桌上的工具之一,如一把扳手。但是这个叫CUDA的木工桌买来的时候,并没有送扳手,这时木匠想在木工桌上拧个螺钉,就需要木匠自己来配置一把合适的扳手。同理,如果想要在CUDA上面运行深度神经网络,就需要安装合适版本的cuDNN。这样才能使GPU进行深度神经网络的工作。
2 CUDA+cuDNN安装步骤内容介绍
2.1 CUDA的安装步骤
首先安装NVIDIA的显卡驱动,在安装之前需要确认自己电脑显卡驱动的产品类型,以及支持的CUDA版本
方法一:cmd窗口运行nvidia-smi 若此处没有cuda version 版本 则没有显卡
方法二:右击屏幕空白处
、
支持的CUDA版本选择的是11.6。下载链接如下所示,可按自己显卡配置的需求自定义下载:
CUDA Toolkit Archive | NVIDIA Developer选择出适合自己的版本的CUDA
当下载完成后,就可以开始安装CUDA啦!安装的时候最好关上防火墙。我第一次配置环境就在安装这块墨迹了很久,卸载重新安装又很麻烦,所以这步一定要仔细!
下载后点击exe文件运行,一共会设置两次解压目录,分别为临时解压目录与安装目录。临时解压路径默认与自定义都可以,安装结束后,临时解压文件夹会自动删除;安装目录路径建议默认即可(注:临时解压目录与安装目录的安装路径不能设置一样,否则安装结束后会找不到安装目录),选择安装目录时要注意记一下安装路径,后面还会用到。
前面系统检查、许可协议按默认进行即可,安装选项选择自定义安装(第一次安装全选,第N次安装只选择CUDA),自定义选项如下图所示:
接下来就可以选择安装目录位置了,为了避免出错,这里的安装路径建议默认路径,不用去更改,这里再注意下记住安装位置。
到这里CUDA就安装完成了,随后可以通过“Win+R”打开命令行输入“cmd”后,在默认安装文件夹下输入“nvcc -V”查看是否安装成功:
2.2 cuDNN的安装步骤
cuDNN是基于CUDA的深度学习GPU加速库,有了它才能在GPU上完成深度学习的计算,因此在安装完CUDA后还要下载与之匹配版本的cuDNN。
下载地址:cuDNN Archive | NVIDIA Developerhttps://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b
选择 与自己cuda版本对应的cudnn
或者也可以右键点击需要下载的版本,选择“复制链接”,然后打开迅雷等下载工具,添加任务时粘贴进刚才复制的网址,即可完成下载。下载完成后,对压缩包进行解压并打开,可以看到有几个文件夹,将每个文件夹里面所有的内容复制并放到CUDA安装目录相应文件夹下即可。
具体操作如下,解压
打开解压文件,查看里面的文件夹:
打开前面CUDA的安装目录,并与cuDNN目录进行比对:
将cuDNN对应文件夹的内容复制到CUDA对应文件夹中:
2.3 设置环境变量与验证
完成后需要设置环境变量,计算机上点“右键”,打开“属性”->“高级系统设置”->“环境变量”,可以看到系统中多了CUDA_PATH和CUDA_PATH_V11_1两个环境变量:
然后编辑系统变量下的 “Path”变量。此处需要添加两个变量:
1.C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin
2. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\CUPTI\lib64
编辑完成后点击“确定”,cuDNN就安装完事儿啦,最后通过“Win+R”打开命令行输入“cmd”后,输入“nvcc --version”验证一下是否安装成功:
或者采用CUDA内置的deviceQuery.exe 和 bandwithTest.exe 来判断是否安装成功。
通过“Win+R”打开命令行输入“cmd”后,cd到安装目录下的demo_suite,然后分别执行bandwidthTest.exe与de viceQuery.exe,成功的话会得到下图:
到这里,结果显示PASS关于VS2022+CUDA11.1+cuDNN8.0.5的安装就完成啦!