导航：首页 > 互联网科技 >

windows10下如何将cuda9.2升级到cuda10.2

发表于：2024-11-27 作者：千家信息网编辑

千家信息网最后更新 2024年11月27日，这篇文章主要为大家展示了"windows10下如何将cuda9.2升级到cuda10.2"，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下"windows10下

千家信息网最后更新 2024年11月27日windows10下如何将cuda9.2升级到cuda10.2

这篇文章主要为大家展示了"windows10下如何将cuda9.2升级到cuda10.2"，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下"windows10下如何将cuda9.2升级到cuda10.2"这篇文章吧。

一、文章主要内容

1、Windows10下从cuda9.2升级到cuda10.2

2、Windows10下cudnn安装

3、cuda9.2、cuda10.2、cudnn7.2.1、cudnn7.6.5在DeepLearning4j中性能对比

二、安装过程

1、机器环境说明：

CPU：i7 8700 6核12线程

GPU：GTX 1070Ti

内存：16G

备注：机器中曾经安装过cuda和cudnn，版本为：cuda9.2.148、cudnn7.2.1

2、安装包准备

（1）、cuda下载

cuda下载地址：https://developer.nvidia.com/cuda-toolkit-archive，这里下载版本为：10.2，由于dl4j最高只支持到10.2

安装机器为windows10 64位，选择cuda win10的64位版本，安装模式选择local，把安装包下载到本地安装

（2）、cuDNN下载

下载地址：https://developer.nvidia.com/rdp/cudnn-archive，这里选择与cuda10.2匹配的最新cudnn版本：7.6.5，这里不选8.0.2的原因是dl4j-beta6不支持8.x版本。

下载到的安装包如下：

3、安装cuda10.2

直接按照默认安装路径，下一步，同意并继续 -> 精简安装

进入安装阶段

安装结束之后，在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA目录之下，出现了v10.2的文件夹，如下图：

备注：这里有个v9.2，是之前安装的cuda版本，设置环境变量，也可以切换到9.2的版本

打开cmd控制台，输入nvcc --version命令回车，如下图所示，说明10.2版本安装成功

同时用dl4j最新的example测试，验证cuad10.2是否可用，example地址：https://github.com/eclipse/deeplearning4j-examples/tree/master/mvn-project-template

将maven依赖修改成如下配置，其中将dl4j-master.version修改为：1.0.0-beta6，加入nd4j-cuda-10.2-platform和deeplearning4j-cuda-10.2依赖

        1.0.0-beta6        1.2.3        1.8        2.4.3                                    org.deeplearning4j            deeplearning4j-core            ${dl4j-master.version}                                                                     org.nd4j            nd4j-cuda-10.2-platform            ${dl4j-master.version}                                                             org.deeplearning4j            deeplearning4j-cuda-10.2            ${dl4j-master.version}                                    ch.qos.logback            logback-classic            ${logback.version}

Run as 一下main方法，打印日志如下， ND4J CUDA build version: 10.2.89，说明cuda10.2已经生效。

o.d.e.s.LeNetMNIST - Load data....o.d.e.s.LeNetMNIST - Build model....o.n.l.f.Nd4jBackend - Loaded [JCublasBackend] backendo.n.n.NativeOpsHolder - Number of threads used for linear algebra: 32o.n.n.Nd4jBlas - Number of threads used for OpenMP BLAS: 0o.n.l.a.o.e.DefaultOpExecutioner - Backend used: [CUDA]; OS: [Windows 10]o.n.l.a.o.e.DefaultOpExecutioner - Cores: [12]; Memory: [3.5GB];o.n.l.a.o.e.DefaultOpExecutioner - Blas vendor: [CUBLAS]o.n.l.j.JCublasBackend - ND4J CUDA build version: 10.2.89o.n.l.j.JCublasBackend - CUDA device 0: [GeForce GTX 1070 Ti]; cc: [6.1]; Total memory: [8589934592]o.d.n.m.MultiLayerNetwork - Starting MultiLayerNetwork with WorkspaceModes set to [training: ENABLED; inference: ENABLED], cacheMode set to [NONE]o.d.n.l.c.ConvolutionLayer - Could not initialize CudnnConvolutionHelperjava.lang.reflect.InvocationTargetException: null        at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)        at sun.reflect.NativeConstructorAccessorImpl.newInstance(NativeConstructorAccessorImpl.java:62)        at sun.reflect.DelegatingConstructorAccessorImpl.newInstance(DelegatingConstructorAccessorImpl.java:45)        at java.lang.reflect.Constructor.newInstance(Constructor.java:423)        at org.deeplearning4j.nn.layers.convolution.ConvolutionLayer.initializeHelper(ConvolutionLayer.java:78)Caused by: java.lang.UnsatisfiedLinkError: no jnicudnn in java.library.path        at java.lang.ClassLoader.loadLibrary(ClassLoader.java:1867)        at java.lang.Runtime.loadLibrary0(Runtime.java:870)        at java.lang.System.loadLibrary(System.java:1122)        at org.bytedeco.javacpp.Loader.loadLibrary(Loader.java:1543)        at org.bytedeco.javacpp.Loader.load(Loader.java:1192)

上面的日志中，出现一个异常，cudnn无法被初始化，是因为cudnn还没有安装，接下来就可以安装cudnn了。

4、cuDNN安装

解压 cudnn-10.2-windows10-x64-v7.6.5.32.zip，出现下图所示的三个文件夹

将这三个文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2目录下即可。cudnn的文件便加入到了cuda安装目录下

再次运行测试程序，异常消失，且CudnnSubsamplingHelper和CudnnConvolutionHelper初始化成功

o.d.e.s.LeNetMNIST - Load data....o.d.e.s.LeNetMNIST - Build model....o.n.l.f.Nd4jBackend - Loaded [JCublasBackend] backendo.n.n.NativeOpsHolder - Number of threads used for linear algebra: 32o.n.n.Nd4jBlas - Number of threads used for OpenMP BLAS: 0o.n.l.a.o.e.DefaultOpExecutioner - Backend used: [CUDA]; OS: [Windows 10]o.n.l.a.o.e.DefaultOpExecutioner - Cores: [12]; Memory: [3.5GB];o.n.l.a.o.e.DefaultOpExecutioner - Blas vendor: [CUBLAS]o.n.l.j.JCublasBackend - ND4J CUDA build version: 10.2.89o.n.l.j.JCublasBackend - CUDA device 0: [GeForce GTX 1070 Ti]; cc: [6.1]; Total memory: [8589934592]o.d.n.m.MultiLayerNetwork - Starting MultiLayerNetwork with WorkspaceModes set to [training: ENABLED; inference: ENABLED], cacheMode set to [NONE]o.d.n.l.c.ConvolutionLayer - CudnnConvolutionHelper successfully initializedo.n.j.h.i.CudaZeroHandler - Creating bucketID: 5o.d.n.l.c.s.SubsamplingLayer - CudnnSubsamplingHelper successfully initializedo.d.n.l.c.ConvolutionLayer - CudnnConvolutionHelper successfully initializedo.d.n.l.c.s.SubsamplingLayer - CudnnSubsamplingHelper successfully initialized

至此，cuda10.2和cudnn7.6.5安装成功，且可以dl4j beta6可以正常运行。

三、性能对比

测试程序地址：https://github.com/eclipse/deeplearning4j-examples/tree/master/mvn-project-template，网络结构为LeNet

环境说明：

操作系统：Windows10

CPU：i7 8700 3.2GHz 6核12线程

GPU：GTX 1070Ti

内存：16G

dl4j：beta6

对比结果：