项目开发使用教程和常见问题和解决方法(cuda cudnn安装教程)

已于 2025-07-08 19:42:59 修改
阅读量1.1w 收藏 145
点赞数 13
CC 4.0 BY-SA版权
分类专栏： 深度学习 文章标签： cuda安装教程 Pytorch安装教程 cudnn cuda
于 2023-02-23 19:59:21 首次发布
本文为博主原创文章，未经博主允许不得转载（AI吃大瓜）
本文链接：https://blog.csdn.net/guyuealian/article/details/129163343

项目开发使用教程和常见问题和解决方法

目录

项目开发使用教程和常见问题和解决方法

一、Python开发环境搭建

1. 安装cuda cudnn（深度学习入门必装）

(1)Windows安装方法

(2)Ubuntu18.04安装方法

2. 安装Python(推荐使用Anaconda)

(1)Windows安装python方法

(2)Ubuntu18.04安装python方法

(3)Python开发工具(IDE): 强烈推荐Pycharm

3. Pytorch安装（深度学习入门必装）

 （1）安装torch==1.7.1

 （2）安装torch==1.12.1

4. 安装项目依赖包

5. 运行项目Demo

6. 可视化工具：TensorBoard使用方法

7. 如何用CPU运行项目代码

二、常见问题和解决方法

（1） No module named的问题

（2）目录路径填写错误问题

（3）中文路径问题（特别注意）

（4）图片格式问题

（5）OSError: 页面文件太小，无法完成操作

​​​​​​（6）cannot import name 'model_urls'或者'load_state_dict_from_url' 

（7）cannot import name 'InterpolationMode' 

这AI吃大瓜相关项目的开发入门基础教程，凡是从公众号【AI吃大瓜】下载的源码，都可以参考本博文进行开发环境搭建 

推荐使用Python3.8或Python3.7，更高版本可能存在版本差异问题，项目安装教程请参考（初学者入门，麻烦先看完下面教程，配置好开发环境）：

【尊重原创，转载请注明出处】项目开发使用教程和常见问题和解决方法_pip安装tensorboard-CSDN博客 

一、Python开发环境搭建

  • 硬件：独立显卡，必须是NVIDIA的显卡，如1080显卡，2070显卡；cpu/硬盘/内存没有特殊要求
  • 系统：Windows或者Linux系统均可以

如果项目涉及深度学习，如Pytorch，TensorFlow等深度学习框架，那么必须配置好GPU开发环境

1. 安装cuda cudnn（深度学习入门必装）

深度学习模型算法比较复杂，如果使用CPU计算，速度会很慢，因而需要使用GPU进行并行计算加速 。深度学习框架，如Pytorch，TensorFlow都支持GPU训练，使用GPU设备需要显卡的支持，比如常见1080显卡，2070显卡等，同时需要安装对应的显卡驱动，以及CUDA和cuDNN库。CUDA 是 NVIDIA 发明的一种并行计算平台和编程模型，它通过利用图形处理器 (GPU) 的处理能力,可大幅提升计算性能。而cuDNN(CUDA Deep Neural Network library)是NVIDIA打造的针对深度神经网络的加速库,是一个用于深层神经网络的GPU加速库。 

NVIDIA显卡下载：NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

CUDA下载：CUDA Toolkit Archive | NVIDIA Developer

cuDNN下载：v8.x:cuDNN Archive | NVIDIA Developer ，v9.xcuDNN 9.10.2 Downloads | NVIDIA Developer

(1)Windows安装方法

(2)Ubuntu18.04安装方法

  • 参考安装教程：ubuntu18.04安装cuda和cudnn
  • 安装好NVIDIA显卡可通过nvidia-smi查看cuda的最高支持版本，下载CUDA安装包时，只有小于或者等于该版本号即可

安装cuda

# 安装cuda：注意Driver去掉[x],不要安装Driver
sudo sh cuda_12.0.0_525.60.13_linux.run


# 在~/.bashrc添加环境变量
export PATH=/usr/local/cuda-12.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.0/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-12.0

# 激活环境变量后，可输入：nvdia-smi验证显卡使用情况
source ~/.bashrc

安装cudnn（cuda11.x选择cudnn8.x,cuda12.x选择cudnn9.x）


# 安装cudnn8.x：下载对应cuda版本的cudnn,然后解压，拷贝cudnn文件
sudo cp include/cudnn*.h /usr/local/cuda-12.0/include
sudo cp lib/libcudnn*  /usr/local/cuda-12.0/lib64/
sudo chmod a+r  /usr/local/cuda-12.0/include/cudnn.h


# 安装cudnn9.x: https://developer.nvidia.com/cudnn-downloads?target_os=Linux
wget https://developer.download.nvidia.com/compute/cudnn/9.10.2/local_installers/cudnn-local-repo-debian12-9.10.2_1.0-1_amd64.deb
sudo dpkg -i cudnn-local-repo-debian12-9.10.2_1.0-1_amd64.deb
sudo cp /var/cudnn-local-repo-debian12-9.10.2/cudnn-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cudnn

2. 安装Python(推荐使用Anaconda)

项目Python版本开发使用Python3.8，更高版本可能不支持

(1)Windows安装python方法

(2)Ubuntu18.04安装python方法

(3)Python开发工具(IDE): 强烈推荐Pycharm

PyCharm 是由 JetBrains 打造的一款 Python IDE,可以支持调试、语法高亮、Project 管理、代码跳转、智能提示、自动完成、单元测试、版本控制等等

3. Pytorch安装（深度学习入门必装）

PyTorch是基于Torch的开源Python机器学习库

项目源码PyTorch版本最低支持torch==1.7.1, 建议使用torch==1.12.1 ，请根据自己CUDA版本选择安装

 （1）安装torch==1.7.1

pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

37d0a7770a3f4276b9ff4990fcfaffe6.png

 （2）安装torch==1.12.1

pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu116

4. 安装项目依赖包

项目python依赖包，Windows和Ubuntu安装方法一致；一般项目都自带requirements.txt文件，里面包含了项目开发所需要的python依赖包已经对应的版本号，比如下图第一个依赖包numpy==1.18.5，说明项目使用了numpy库，对应的版本是1.18.5，你可选择使用pip安装对应的版本：

pip install numpy==1.18.5

# 或者

pip install numpy==1.18.5 -i https://pypi.tuna.tsinghua.edu.cn/simple

其中-i后面的网址，表示安装包的下载地址，国内pip安装速度慢，可以使用-i指定镜像源，加快安装速度

其他安装包也可以用pip一个一个的安装，或者直接安装所有依赖包：

pip install -r requirements.txt

PS：一般依赖包是向下兼容的，只需要安装比requirements版本号大于或者等于的版本即可 

9c9a8b8f15944f4bafb479aee6b16110.png

5. 运行项目Demo

项目一般都自带的demo.py文件，支持argparse的命令行输入，命令行可在终端（Terminal）运行。

838f8cbedf1c440e9ea164293f2e6dc1.png

项目一般会给出Linux运行脚本（bash）,如下图所示，如果你在Linux开发，可直接复制粘贴到终端运行（注意要cd进入项目根目录，否则找不到文件）

# 测试图片
image_dir='data/test_image' # 测试图片的目录
weights="data/model/yolov5s_640/weights/best.pt" # 模型文件
out_dir="runs/test-result" # 保存检测结果
python demo.py --image_dir $image_dir --weights $weights --out_dir $out_dir
  1. 上面bash脚本中，其中$image_dir,$weights和$out_dir都是取image_dir,weights和out_dir的值，跟python的变量复制语句是一个意思，
  2. 但Windows系统不支持这种变量赋值语法哦！！！！
  3. 如果你Windows系统已经安装git ,则可以在git的终端中，直接输入上面的命令，无需修改

 如果你在Windows开发，请去掉变量，修改为：

# 这种命令在Linux和Windows终端都支持，但语句比较长就不太美观了
python demo.py --image_dir data/test_image  --weights data/model/yolov5s_640/weights/best.pt --out_dir runs/test-result

9a81be39c51a47588f4d4a8bbba03e5d.png

6. 可视化工具：TensorBoard使用方法

  • 安装：使用pip安装依赖包：tensorboard==2.5.0和tensorboardX==2.1
  • 使用方法：在终端(Terminal)输入命令：
# 需要安装tensorboard==2.5.0和tensorboardX==2.1
# 基本方法
tensorboard --logdir=path/to/log/
# 例如
tensorboard --logdir=work_space/mobilenet_v2_1.0_CrossEntropyLoss_20230228174645/log

66e041dc0f894c77a1bfdc0d268b1919.png

  •  可以看到训练过程的可视化效果：

ade7a1de66f248ea8023d8d777389306.png

7. 如何用CPU运行项目代码

由于CPU运行速度太慢，项目默认只支持GPU，如果你电脑没有NVIDIA的独立显卡，又特别想使用CPU运行测试，可以尝试这样修改：

  1. 不管是CPU还是GPU运行，项目环境都要先配置好，如果出现No module named 'xxx',那就表示相关依赖包没有安装，用pip install xxx即可
  2. 将项目代码device="cuda:0"或者device="cuda"，全部都改为device="cpu",这样就切换为cpu模式运行了；不知道改哪里，那就在代码搜索关键词device，总之全部都要改
  3. 全部改完后，再执行，也许就可以使用CPU运行了；但速度十分慢

二、常见问题和解决方法

（1） No module named的问题

  • 如果出现“No module named ***”的错误，请使用pip install *** 即可,例如出现下面的错误

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ModuleNotFoundError: No module named 'basetrainer'

请使用pip安装：

pip install basetrainer -i https://pypi.tuna.tsinghua.edu.cn/simple

其中-i后面的网址，表示安装包的下载地址，国内pip安装速度慢，可以使用-i指定镜像源，加快安装速度

（2）目录路径填写错误问题

Windows开发初学者，经常犯的错误！！！！填写路径时，搞不清楚路径分隔符，注意Windows和Linux的路径的分隔符

Windows路径分割符：【\】或者【//】 ,在python中某些库也可以使用【/】,那到底怎么写呢？绝大部情况，使用【/】分隔符即可！！！

Linux(Ubuntu)路径分割符号：只能是【/】

（3）中文路径问题（特别注意）

Windows环境中，项目文件和数据目录都不要出现中文路径，否则会出现opencv读取图片异常等问题

（4）图片格式问题

项目默认只支持*.jpg *.png两张格式，如果你的图片是bmp, tif或者其他的图片，请在postfix参数中添加对应的图片格式即可，

比如设置函数传入参数postfix=["*.jpg", "*.png"] ，

如果你不知道哪里修改，搜索一下postfix就可以找到了

a7240f9bdc1b42eface232ea1f51d7a3.png

（5）OSError: 页面文件太小，无法完成操作

当你电脑配置太差时，训练时可能会出现一下错误；

ee8bfb05b40f40c8ae0bbb0a3b8dd5a2.png

问题说明： 这是因为你电脑性能太差了，内存不足

解决方法：修改训练参数workers和batch-size，例如设置--batch-size=8  --workers=0

batch_size: 8

num_workers: 0

​​​​​​（6）cannot import name 'model_urls'或者'load_state_dict_from_url' 

由于一些版本升级，会导致部分接口函数不能使用，请确保版本对应

torch==1.7.1

torchvision==0.8.2

或者将对应python文件将

from torchvision.models.resnet import model_urls, load_state_dict_from_url

修改为：

from torch.hub import load_state_dict_from_url
model_urls = {
    'mobilenet_v2': 'https://download.pytorch.org/models/mobilenet_v2-b0353104.pth',
    'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth',
    'resnet34': 'https://download.pytorch.org/models/resnet34-333f7ec4.pth',
    'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth',
    'resnet101': 'https://download.pytorch.org/models/resnet101-5d3b4d8f.pth',
    'resnet152': 'https://download.pytorch.org/models/resnet152-b121ed2d.pth',
    'resnext50_32x4d': 'https://download.pytorch.org/models/resnext50_32x4d-7cdf4587.pth',
    'resnext101_32x8d': 'https://download.pytorch.org/models/resnext101_32x8d-8ba56ff5.pth',
    'wide_resnet50_2': 'https://download.pytorch.org/models/wide_resnet50_2-95faca4d.pth',
    'wide_resnet101_2': 'https://download.pytorch.org/models/wide_resnet101_2-32ee1156.pth',
}

（7）cannot import name 'InterpolationMode' 

依然是版本问题：

# 如果你的Pytorch Version<1.10.0，则使用：
import PIL.Image as Image
transforms.RandomRotation(degrees=5, resample=Image.BILINEAR)
# 如果你的Pytorch Version>1.10.0，则使用：
from torchvision.transforms import InterpolationMode
transforms.RandomRotation(degrees=5, interpolation=InterpolationMode.BILINEAR),  #

【学习AI-相关路程-参考学习-学习他人文章-win11上-安装cuda和cudnn-工具安装 】
qq_22146161的博客
08-15 1379
之前在Linux下也就是Ubuntu 20.04下，安装过cuda环境。【学习AI-相关路程-工具使用-自我学习-NVIDIA-cuda-工具安装 （1）】同时也在jetson orin NX上安装了，如下文章【学习AI-相关路程-工具使用-自我学习-jetson&cuda&pytorch-开发工具尝试-基础样例 （3）】
【小白安装pytorch环境 cuda cuDNN torch torchvision】
Blingbling007的博客
03-28 1375
确定本机NVIDIA驱动、python版本，安装cuda、cuDNN，离线下载torch、torvision
Tensorboard的使用及一些常见报错解决
最新发布
2401_87723420的博客
06-10 1131
原因：多次运行 导致logs文件堆叠进而导致图像堆叠。
学习Python⑷：Python开发过程中遇到的问题及解决办法
dawn0718的专栏
01-15 779
1、访问MS SQL Server 2000数据库时，返回的结果是乱码？ 　　这个实在是坑人啊！ 　　最开始学Python是上周，2020年1月7日，看到一个访问数据库的例子，想学一下Python，安装好环境，调试了一下数据就出来了，原来Python这么简单啊？！入门太容易了，难怪那么多人喜欢！ 　　晚上想写一个完整的访问数据库的程序，结果发现显示汉字是乱码，这个是编码问题，得到数据库的编码和Python使用的编码，再设置一下应该问题不大，结果还是不行，到网上搜啊搜，最后有了一个解决办法，就像这样： 　　I
Python 开发人员经常遇哪些挑战？如何解决？
Python栈
12-06 493
Python 开发人员经常遇哪些挑战？如何解决？不少程序员会遇到代码的可读性与可维护性、速度与性能、缺乏静态类型、依赖项与包管理、错误处理、文档、社区支持等问题。接下来我们一起来看看~作为一名 Python 开发人员，我所面临的主要问题之一就是代码的可读性和可维护性。Python 是一种非常简洁的语言，这会导致代码非常难以阅读和理解。在维护和更新代码的时候，我常常遇到这个问题，因为很难理解每一行代码的作用。作为 Python 开发人员，我所面临的另一个问题是速度和性能。Python 代码的运行速度不是很快，
Pytorch2.4.0自动安装cudnn9.1？？？ pip安装cudnn方法
BigYouYou
09-11 850
Pytorch2.4.0使用官方安装方式安装的时候，会自动给我安装cudnn9.1，不论是conda安装还是pip安装，害得我出了一大堆问题，气死我了。我倒退到安装pytorch2.3.0才没出现自动安装cudnn的问题。以及，记录一个pip安装cudnn的方法，这也是官方推荐的。cuda其他版本同理。
安装TensorRT首先要安装cuda和cudnn，此文件为cudnn的压缩包
03-07
在使用TensorRT之前，确实需要先安装CUDA和cuDNN，这两个是运行GPU加速计算的基础组件。 CUDA，全称Compute Unified Device Architecture，是由NVIDIA推出的编程模型，它允许开发者利用GPU进行并行计算。CUDA提供了...
cuda 9.0及更新包和cudnn7.1
04-02
CUDA（Compute Unified Device Architecture）是NVIDIA开发的一种并行计算平台和编程模型，允许开发者利用GPU（图形处理器单元）的强大计算能力来解决复杂的计算问题。CUDNN（CUDA Deep Neural Network）是CUDA的一...
Linux系统环境配置（nvidia驱动安装、cuda安装、cudnn安装、Anaconda安装、ssh、xrdp安装等）
07-09
- 使用以下命令禁用图形界面启动（可选，避免安装过程中出现问题）： ```bash sudo service lightdm stop ``` - 通过`dpkg`或`apt-get`安装驱动： ```bash sudo dpkg -i NVIDIA-driver*.deb ``` 或者 ```...
cudnn for cuda 11
06-08
CUDNN 版本 8.9.1.23 是专门为 CUDA 11 设计的，它与 CUDA 11 的 API 和特性兼容，确保在使用最新的 GPU 硬件时能实现最佳性能。这个版本的 CUDNN 增强了对深度学习运算的优化，尤其是在卷积神经网络（CNN）、循环...
cuda8.0+cudnn6.0+python3.5+pip_for_win10亲测可用，救急
10-31
内含cuda8.0、cudnn6.0、python3.5以及安装教程，win10亲测可用，由于文件大于110M，故上传百度云链接，大家下载下来的是百度云分享链接和密码，然后再用百度云下载即可
Pytorch（gpu），cuda，cudnn安装
qq_48563775的博客
11-25 1万+
Pytorch（gpu），cuda，cudnn安装
Python：conda install cudatoolkit的备选方案：pip install nvidia-cudnn-*：
WinterShiver
07-25 1万+
由于使用深度学习框架的不同，有的时候我们需要切换cudnn环境。比起在系统中安装多个cudnn版本，更便捷的方法是通过在python环境下安装cudnn工具，这样不同的cudnn环境就可以用python的包管理器（如conda等）管理，使用起来很方便。然而有的时候我们用的包管理器不是cuda，或者我们用的python包镜像不支持cuda，这时只能用pip. 以cuda11为例，此时可以使用以下指令安装需要的cudnn工具；最常用的方式是在conda下，通过安装不同版本的cudatoolkit来满足要求。
win10下pip安装pytorch-gpu以及CUDA/cuDnn的配置（避坑）
热门推荐
weixin_43741711的博客
10-03 1万+
文章目录1、升级nvidia显卡驱动2、离线下载CUDA3、安装对应版本的cudnn4、pip镜像安装pytorch-gpu及torchvision5、测试 装了一天，踩了不少坑。主要还是显卡驱动的问题，不管是用geforce experience还是驱动精灵，都没办法升级到最新的版本。这也限制了CUDA的版本，然而目前pytorch支持最低的CUDA版本是9.2，所以一直print False。最后，在官网上下载驱动包进行离线安装，解决了这个问题。另外，conda安装虽然方便，但是比较容易失败，利用pip
cuDNN和Pytorch安装
qq_43435923的博客
12-13 2799
日志
深度学习踩坑系列之三 安装cuDNN详细步骤
AIbeauty的博客
11-16 1338
1)下载对应版本 注册账户后选定报错提示的那个版本5.0即可，我下载的是cudnn-8.0-linux-x64-v5.1.tgz 2)安装 Fz上传至Linux服务器指定文件夹，执行tar xvzf cudnn-8.0-linux-x64-v5.1.tgz，ls后可见cuda文件夹 3)设定软链接 没有在cuda目录的上层目录执行以下语句，就会报找不到对应file。正确执行路径可参考以下截图 su...
安装CUDA、cudnn以及安装TensorFlow
weixin_47593279的博客
04-12 734
安装：安装TensorFlow前先要有cuda和cudnn安装cuda11.2.0版本①判断自己应该下载什么版本的cuda②打开nvidia（桌面右键）->选择左下角的系统信息->组件④点进去，按照如下配置选择，然后点击下载：遇到问题：解决上面问题：设置-应用-卸载nvidia frameview.问题解决！继续下一步：配环境变量：检验是否安装成功：以上就是cuda的下载及安装。
pytorch与cudatoolkit,cudnn对应关系及安装相应的版本
玖玖玖
11-06 1万+
从驱动和运行时的版本对应关系来看，版本为384.81的驱动程序 对应的 运行时版本是9.0，也就是说我们在python中安装cudatoolkit和cudnn程序包版本9.2是过高了。然后安装对应版本的cudatoolkit和cudnn程序包：pip install cudatoolkit=9.0；因为系统中依赖GPU驱动的程序比较多，一般出现这种情况，我们都是更改cudatoolkit和cudnn程序包的版本。CUDA Version: 12.0 表明当前的显卡驱动可以安装的cuda最高版本是12.0。
CUDA10和cuDNN7.6.1安装教程：适用于GPU的TensorFlow配置
该压缩包内含的文件主要用于在深度学习和GPU加速计算领域中安装和配置CUDA和cuDNN库。CUDA（Compute Unified Device Architecture）是由NVIDIA推出的并行计算平台和编程模型，它允许开发者使用NVIDIA的GPU（图形处理...
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI吃大瓜

尊重原创，感谢支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值