I don’t really know what is that, but I am installing a Python A.I that uses this. I am trying to update my CUDA for 3 hours. I already tried to download the CUDA toolkit, but it was no use. I installed that but happened nothing. I need to update my CUDA driver. Now the current version is 9.1.84, I need 10.2. Please, someone, help me.
asked Apr 1, 2020 at 20:36
SamtapesSamtapes
1791 gold badge3 silver badges8 bronze badges
Uninstall your current installation of CUDA. Note that the installation guide for CUDA is here. Read the description in the installation guide, go to this page, choose your OS, architecture, CUDA version («11» will give you the latest version), and installer type (choose ‘local’ and then download a 2 to 3 GB installer file). Follow prompt and if any errors or warnings read them carefully and deal with them with a little help from Google!
answered Apr 2, 2020 at 23:34
If_You_Say_SoIf_You_Say_So
1,1651 gold badge10 silver badges25 bronze badges
1
Each software is released under license type that can be found on program pages as well as on search or category pages. Here are the most common license types:
Freeware
Freeware programs can be downloaded used free of charge and without any time limitations. Freeware products can be used free of charge for both personal and professional (commercial use).
Open Source
Open Source software is software with source code that anyone can inspect, modify or enhance. Programs released under this license can be used at no cost for both personal and commercial purposes. There are many different open source licenses but they all must comply with the Open Source Definition — in brief: the software can be freely used, modified and shared.
Free to Play
This license is commonly used for video games and it allows users to download and play the game for free. Basically, a product is offered Free to Play (Freemium) and the user can decide if he wants to pay the money (Premium) for additional features, services, virtual or physical goods that expand the functionality of the game. In some cases, ads may be show to the users.
Demo
Demo programs have a limited functionality for free, but charge for an advanced set of features or for the removal of advertisements from the program’s interfaces. In some cases, all the functionality is disabled until the license is purchased. Demos are usually not time-limited (like Trial software) but the functionality is limited.
Trial
Trial software allows the user to evaluate the software for a limited amount of time. After that trial period (usually 15 to 90 days) the user can decide whether to buy the software or not. Even though, most trial software products are only time-limited some also have feature limitations.
Paid
Usually commercial software or games are produced for sale or to serve a commercial purpose.
| layout | title | date | categories | comments |
|---|---|---|---|---|
|
post |
Установка CUDA 9 в Windows 10 для TensorFlow и Keras |
2018-02-06 11:00:00 +0500 |
deep_learning |
true |
Недавно вышла версия TensorFlow 1.5 с поддержкой CUDA 9, поэтому можно переводить TensorFlow и Keras на новую версию CUDA. В этой статье я расскажу, как установить CUDA 9 и CuDNN 7 в Windows 10. По установке для Linux будет отдельная статья.
Что нужно устанавливать
Чтобы TensorFlow и Keras могли использовать GPU под Windows, необходимо установить три компонента:
- Microsoft Visual Studio. Любая GPU-программа содержит код как для GPU, так и для CPU. Данные для проведения расчетов нужно загрузить из файлов и передать их в память GPU, где они будут обработаны. Результаты обработки передаются обратно на CPU для сохранения и визуализации. NVIDIA СUDA включает компилятор только для GPU. Код для CPU генерируется с помощью внешнего компилятора, для Windows это Microsoft Visual Studio.
- NVIDIA CUDA — библиотека, которая позволяет использовать GPU для проведения вычислений общего назначения (general purpose computing), а не только обрабатывать графику.
- Библиотека cuDNN. Это библиотека для CUDA, которая содержит эффективные реализации операций с нейронными сетями. В отличие от Theano, TensorFlow не может работать без cuDNN.
Проверка GPU
CUDA работает только с GPU компании NVIDIA, вот список поддерживаемых GPU. Если у вас GPU от AMD или Intel, то CUDA работать не будет и TensorFlow, к сожалению, не сможет использовать такие GPU.
Для TensorFlow нужна видеокарта с CUDA Compute Capability 3.0. Узнать Compute Capability для своей карты можно на сайте. Если у вас старый GPU с Compute Capability меньше 3.0, то вместо TensorFlow можно использовать Theano, у которой меньше требования к GPU. Однако ускорение на таких GPU будет не очень большим, по сравнению с центральным процессором.
Установка Microsoft Visual Studio
Под Windows NVIDIA CUDA использует Microsoft Visual Studio для генерации кода для CPU. Список поддерживаемых версий Visual Studio для CUDA 9 приведен на сайте NVIDIA. На момент написания этой статьи поддерживаются версии:
- Visual Studio 2017
- Visual Studio 2015
- Visual Studio Community 2015
- Visual Studio 2013
- Visual Studio 2012
Из бесплатных версий есть только Visual Studio Community 2015, я устанавливал именно ее. Скачать Visual Studio Community 2015 можно с сайта my.visualstudio.com, нужна предварительная регистрация.
Если у вас есть Visual Studio 2017, то можно использовать ее. Однако обратите внимание, что пока не поддерживается обновленная версия Visual Studio 2017 с компилятором Visual C++ 15.5. Официально CUDA 9 работает только с Visual C++ 15.0.
Рекомендую устанавливать Visual Studio на английском языке. С русскоязычной Visual Studio есть проблемы у Theano. В TensorFlow я пока с подобными проблемами не сталкивался, но, возможно, мне просто повезло.
При установке Visual Studio выберите средства для разработки C++, остальное устанавливайте по желанию.
После установки добавьте путь к компилятору Visual С++ (cl.exe) в переменную PATH.
Установка NVIDIA CUDA
На время написания этой статьи текущей версией CUDA является 9.1. Однако TensorFlow 1.5 поддерживает только CUDA 9.0. Если установите 9.1, то получите ошибку. Странное поведение, но что поделать.
Скачать CUDA 9.0 можно на странице CUDA Toolkit Archive. Выбираем нужную версию Windows и тип загружаемого файла — exe(local). Этот файл содержит CUDA и драйвер для GPU с поддержкой CUDA. Просто скачайте файл и запустите его. Все конфигурационные параметры при установке можно оставить по умолчанию.
Установка cuDNN
cuDNN — это дополнение к NVIDIA CUDA, которое содержит эффективную реализацию операций с нейронным сетями для GPU. DNN в названии библиотеки расшифровывается как Deep Neural Networks. Некоторые библиотеки, например, Theano, могут работать с CUDA без cuDNN. Но TensorFlow так работать не может, для нее cuDNN нужна обязательно.
cuDNN можно скачать бесплатно с сайта NVIDIA. Нужна предварительная регистрация в качестве разработчика NVIDIA, что также делается бесплатно и быстро на этом же сайте.
После регистрации будет предложено скачать несколько версий cuDNN для разных версий CUDA. Выбирайте cuDNN 7 для CUDA 9.0. С другими версиями cuDNN и CUDA не будет работать TensorFlow 1.5.
cuDNN представляет собой архив, в котором всего три файла:
bincudnn64_7.dllincludecudnn.hlibx64cudnn.lib
Эти файлы нужно распаковать в каталог, где установлена CUDA 9.0. Как правило, это C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0.
Перезагрузка
После установки Microsoft Visual Studio, NVIDIA CUDA и cuDNN, компьютер необходимо перезагрузить.
Проверка установки CUDA
Проверить, правильно ли установилась CUDA и видит ли она ваш GPU, можно с помощью утилиты nvidia-smi.exe. Эта утилита показывает доступные GPU для CUDA. Утилита работает в командной строке и при установке по умолчанию находится в каталоге c:Program FilesNVIDIA CorporationNVSMI. На моем ноутбуке с GPU NVIDIA GeForce GTX 1050 Ti nvidia-smi.exe выдает следующую информацию:
Tue Feb 06 13:03:37 2018
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 385.54 Driver Version: 385.54 |
|-------------------------------+----------------------+----------------------+
| GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 105... WDDM | 00000000:01:00.0 Off | N/A |
| N/A 35C P8 N/A / N/A | 80MiB / 4096MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 1224 C+G ... Files (x86)DropboxClientDropbox.exe N/A |
| 0 6080 C+G Insufficient Permissions N/A |
| 0 8440 C+G ...351.0_x64__8wekyb3d8bbweCalculator.exe N/A |
| 0 12664 C+G C:Program Files (x86)SCMSCM.exe N/A |
| 0 14648 C+G ...4.0_x64__8wekyb3d8bbweWinStore.App.exe N/A |
| 0 15440 C+G ..._8wekyb3d8bbweMessagingApplication.exe N/A |
| 0 15880 C+G ...osoft.LockApp_cw5n1h2txyewyLockApp.exe N/A |
+-----------------------------------------------------------------------------+
В выводе nvidia-smi.exe видно, что в компьютере есть один GPU с номером 0, модель GeForce GTX 105… (название видеокарты поместилось не полностью), объем памяти 4 Гб, текущая загрузка 0%. В нижней части показаны процессы, которые используют GPU.
Видеокарта есть в выводе nvidia-smi.exe, это означает, что CUDA установлена успешно.
Итоги
Кратко, основные особенности установки:
- Обязательно нужно Microsoft Visual Studio, у меня работает бесплатная англоязычная версия Visual Studio Community 2015. Не забудьте прописать путь с компилятору Visual C++ (cl.exe) в переменную PATH, иначе CUDA его не найдет.
- Для TensorFlow 1.5 нужно устанавливать CUDA 9.0, а не CUDA 9.1! TensorFlow ищет файлы именно из CUDA 9.0, поэтому CUDA 9.1 не работает.
- Устанавливать cuDNN обязательно, т.к. без нее TensorFlow не работает. Внимательно смотрим за версиями: нужна cuDNN 7 для CUDA 9.0.
Полезные ссылки
- Проверка поддержки CUDA и Compute Capability.
- Загрузка Visual Studio Community 2015 c my.visualstudio.com.
- Загрузка CUDA 9.0 c CUDA Toolkit Archive
- Загрузка cuDNN.
Этап 1: Установка ПО
Перед тем как активировать вычислительные мощности ядер CUDA, необходимо установить специальное программное обеспечение от компании-производителя.
Перейти на ресурс NVIDIA
- Перейдя по предложенной выше ссылке, выберите операционную систему – «Windows» (наш пример) или «Linux».
- Архитектура доступна только одна – «x86_64», она устанавливается автоматически. Дополнительно требуется указать конкретную версию Виндовс – поддерживаются как серверные, так и 10, и 11.
- Теперь укажите вариант инсталлятора. «exe(local)» подразумевает скачивание оффлайн-установщиа, который на момент написания настоящей статьи представляет собой файл размером 2,5 Гб. «exe(network)» является онлайновым, необходимые данные загружаются после запуска. Кликните по тому из них, который вам подойдёт.
- Независимо от выбранного типа запустите файл после скачивания. Сначала выберите папку, куда будут распакованы временные файлы.
- Подождите, пока данные распакуются, а после появления непосредственно инсталлятора примите лицензионное соглашение.
- Для малоопытных пользователей рекомендуется выбирать вариант установки «Экспресс».
- На данном этапе система предлагает установить Visual Studio. Нам это не требуется, поэтому отметьте опцию, обозначенную на скриншоте, и нажмите «Next».
- Дождитесь установки компонента, снимите галочки, затем кликните «Закрыть».
На этом инсталляция средств работы с CUDA закончена.
Включить рассматриваемую технологию разом для всех программ не получится – необходимо её выбирать либо перед началом работы, либо в процессе, либо перед непосредственно вычислением. Использование данного средства покажем на примере программы Adobe After Effects последней версии.
- Запустите Афтер Эффектс и выберите пункты «Файл» – «Создать» – «Создать проект».
- После создания проекта снова воспользуйтесь элементом «Файл», только на этот раз укажите «Настройки проекта».
- На вкладке «Рендеринг и эффекты видео» в меню «Использовать» должен быть пункт «Ускорение Mercury с использованием ГП (CUDA)» – выберите его и нажмите «ОК».
В других приложениях данная технология активируется подобным образом.
Еще статьи по данной теме: