Windows တွင် CUDA ကို အမှားအယွင်းမရှိ ထည့်သွင်းနည်း- developer များနှင့် ဖန်တီးသူများအတွက် လမ်းညွှန်

Windows တွင် CUDA ကို ထည့်သွင်းခြင်း။ ဘယ်ကနေစရမယ်ဆိုတာနဲ့ အဆင့်တစ်ဆင့်ချင်းစီမှာ ဘာတွေစစ်ဆေးရမယ်ဆိုတာ သိရင် ခေါင်းကိုက်နေဖို့ မလိုပါဘူး။ ဤဆောင်းပါး၌ ကျွန်ုပ်သည် သင့်အား လက်တွေ့ကျသော နည်းလမ်းဖြင့် လမ်းညွှန်ပေးပါမည်။ကိရိယာအစုံသည် သင့်ကွန်ပျူတာပေါ်တွင် ပထမဆုံးအကြိမ်အဖြစ် စုံလင်စွာအလုပ်လုပ်ကြောင်းသေချာစေရန် လိုက်ဖက်ညီမှု၊ တပ်ဆင်မှု၊ စိစစ်ခြင်းနှင့် ဘုံပြဿနာဖြေရှင်းခြင်းဆိုင်ရာ ကွဲပြားချက်များနှင့်အတူ၊

Windows တွင် ဂန္ထဝင် Toolkit တပ်ဆင်ခြင်းအား ဖုံးအုပ်ထားသည့်အပြင်၊ CUDA ဖြင့် WSL ကို အသုံးပြုနည်း၊ Conda သို့မဟုတ် pip ဖြင့် ထည့်သွင်းခြင်း၊ Visual Studio ဖြင့် နမူနာများကို စုစည်းပြီး Windows ပေါ်ရှိ မတူညီသော NVIDIA ဒရိုက်ဘာမော်ဒယ်များကို နားလည်နိုင်သည်။ အချက်အလက်များသည် တစ်စုတစ်စည်းတည်းဖြစ်ပြီး ခေတ်မီသည်။ ပေါင်းစပ် AMD iGPU + NVIDIA dGPU GPU ပါသော လက်ပ်တော့ကဲ့သို့သော သင့်အတွက် ဖြစ်ပေါ်လာနိုင်သည့် တရားဝင်လမ်းညွှန်များနှင့် လက်တွေ့ဘဝအခြေအနေများကို အခြေခံထားသည်။

CUDA ဆိုတာ ဘာလဲ ၊ Windows မှာ ဘာတွေ ပါလဲ ။

CUDA ၎င်းသည် NVIDIA ၏ အပြိုင်ပရိုဂရမ်းမင်းပလပ်ဖောင်းနှင့် ခွင့်ပြုထားသော မော်ဒယ်ဖြစ်သည်။ GPU ဖြင့် အက်ပ်များကို အရှိန်မြှင့်ပါ။AI နှင့် ဒေတာသိပ္ပံမှ ပုံသဏ္ဍာန်နှင့် ရုပ်ပုံလုပ်ဆောင်ခြင်းအထိ။ လက်တွေ့အဆင့်တွင်၊ Windows တွင် CUDA Toolkit ကို ထည့်သွင်းခြင်းသည် သင့်အား cuBLAS၊ cuFFT၊ cuRAND နှင့် cuSOLVER ကဲ့သို့သော စာကြည့်တိုက်များ၊ အမှားရှာပြင်ခြင်းနှင့် ပရိုဖိုင်းတူးလ်များနှင့် အဆင်သင့်လုပ်ဆောင်ရန် နမူနာများကို ပေးပါသည်။

CUDA ဒီဇိုင်းသည် တူညီသောအပလီကေးရှင်းတွင် CPU နှင့် GPU ကို ရောနှောရန်လွယ်ကူစေသည်။ ပရိုဆက်ဆာရှိ စီးရီးများ နှင့် အပြိုင်လည်ပတ်နေသည့် ရာနှင့်ချီသော thread များကို ပံ့ပိုးပေးသည့် GPU ပေါ်ရှိ အပြိုင်အပိုင်းများ။ မျှဝေထားသော on-chip memory နှင့် optimized libraries များကို ကျေးဇူးတင်ပါသည်။ စွမ်းဆောင်ရည်ခုန် အရှိန်အဟုန်ပြင်းသော ဝန်များအောက်တွင် အများအားဖြင့် သိသာသည်။

Windows တွင် စနစ်နှင့် compiler လိုက်ဖက်မှု

တပ်ဆင်သူကို အသုံးမပြုမီ၊ လိုက်ဖက်ညီမှုကို စစ်ဆေးရန် အကြံပြုလိုပါသည်။ Windows နှင့် လိုက်ဖက်သည်။ ကိရိယာအစုံ၏ လတ်တလောဗားရှင်းများ ပါဝင်သည်- Windows 11 24H2၊ 23H2 နှင့် 22H2-SV2; Windows 10 22H2; နှင့် Windows Server 2022 နှင့် 2025။

compilers များတွင် ပုံမှန်ပံ့ပိုးမှု ပါဝင်သည်။ Visual Studio 2022 17.x ဖြင့် MSVC 193x Visual Studio 2019 16.x ဖြင့် MSVC 192x၊ C++11၊ C++14၊ C++17 နှင့် C++20 ဒေသိယစကားများ (ဗားရှင်းပေါ်မူတည်၍)။ Visual Studio 2015 ကို CUDA 11.1 တွင် ရပ်တန့်ထားသည်။ VS 2017 ကို 12.5 တွင် ငြင်းပယ်ခဲ့ပြီး 13.0 တွင် ဖယ်ရှားခဲ့သည်။ သင့်ဗားရှင်း၏ matrix အတိအကျကို စစ်ဆေးပါ။ အံ့သြစရာများကိုရှောင်ရှားရန်။

အမွေအနှစ်ပရောဂျက်များအတွက် အရေးကြီးသည်- CUDA 12.0 မှစတင်၍ 32-ဘစ်စုစည်းမှုကို ဖယ်ရှားလိုက်ပြီး x64 စနစ်များပေါ်တွင် 32-bit x86 binaries ၏လုပ်ဆောင်မှုကို ကန့်သတ်ထားသည်။ ဒရိုင်ဘာ၊ quart နှင့်သင်္ချာ GeForce GPU များတွင် Ada ဗိသုကာအထိ၊ Hopper သည် 32 bits ကို မပံ့ပိုးတော့ပါ။

Windows တွင် Toolkit ကို ရွေးချယ်ပြီး ထည့်သွင်းပါ။

တရားဝင် NVIDIA CUDA ဝဘ်ဆိုက်မှ ထည့်သွင်းသူအား ဒေါင်းလုဒ်လုပ်ပါ။ Network Installer ကို ရွေးချယ်နိုင်ပါတယ်။ (ကျန်များအတွက်အင်တာနက်ကိုအသုံးပြုသည့်အနည်းငယ်မျှသာဒေါင်းလုဒ်ဆွဲခြင်း) သို့မဟုတ် Full Installer (အားလုံးအတွက်အသုံးဝင်သည်၊ တစ်ခုတည်းသောပက်ကေ့ချ်တွင်ဖြစ်သည်။ ကွန်ရက်မရှိသောစက်များ သို့မဟုတ် လုပ်ငန်းဖြန့်ကျက်မှုများ)။ ဒေါင်းလုဒ်လုပ်ပြီးနောက် အကျင့်ပျက်ခြစားမှုကို ဖယ်ရှားရန် checksum (ဥပမာ၊ MD5) ဖြင့် မှန်ကန်ကြောင်း စစ်ဆေးပါ။

graphical installer ကိုဖွင့်ပြီး မျက်နှာပြင်ပေါ်ရှိ အဆင့်များကို လိုက်နာပါ။ သင့်ဗားရှင်းအတွက် ထုတ်ဝေမှုမှတ်စုများကို ဖတ်ပါ။ အဘယ်ကြောင့်ဆိုသော် ၎င်းသည် ပြောင်းလဲမှုများ၊ တိကျသော လိုက်ဖက်ညီမှုနှင့် အရေးကြီးသော သတိပေးချက်များကို အသေးစိတ်ဖော်ပြထားသောကြောင့်ဖြစ်သည်။ CUDA 13 မှစတင်၍ Toolkit ထည့်သွင်းသူတွင် ဒရိုက်ဘာမပါဝင်တော့ပါ။ NVIDIA driver ကို သီးခြားစီ ထည့်သွင်းထားသည်။ သက်ဆိုင်ရာ drivers page မှ

အသံတိတ်တပ်ဆင်ခြင်းနှင့် အစိတ်အပိုင်းရွေးချယ်ခြင်း။

အကယ်၍ သင်သည် တိတ်တဆိတ်အသုံးပြုရန် လိုအပ်ပါက၊ ထည့်သွင်းသူသည် -s ရွေးချယ်မှုဖြင့် အင်စတောလုပ်နည်းကို လက်ခံပြီး ခွင့်ပြုသည် သီးခြား ပက်ကေ့ခ်ျခွဲများကို ရွေးချယ်ပါ။ အရာအားလုံးကို ထည့်သွင်းခြင်းအစား နာမည်ဖြင့် -n ဖြင့် အလိုအလျောက် ပြန်လည်စတင်ခြင်းကိုလည်း တားဆီးနိုင်သည်။ ဤအသေးစိတ်ဖော်ပြချက်သည် ဆောက်လုပ်ရေးပတ်ဝန်းကျင်များကို စိတ်ကြိုက်ပြင်ဆင်ရန်နှင့် သင်၏ခြေရာကို လျှော့ချရန်အတွက် အသုံးဝင်သည်။

သာမာန် ပက်ကေ့ခ်ျခွဲများထဲတွင် ကဲ့သို့သော အရာများကို သင်တွေ့လိမ့်မည်။ nvcc၊ cudart၊ cuBLAS၊ cuFFT၊ cuRAND၊ cuSOLVER၊ cuSPARSENsight Compute၊ Nsight Systems၊ Visual Studio ပေါင်းစပ်မှု၊ NVRTC၊ NVTX၊ NVJitLink၊ demanglers နှင့် cuobjdump သို့မဟုတ် nvdisasm ကဲ့သို့သော အသုံးဝင်မှုများ။ compile လုပ်ပြီး ပရိုဖိုင်လုပ်တော့မယ်ဆိုရင်၊ Nsight tools ကိုရွေးချယ်ပါ။သင်သာ ၎င်းကို လုပ်ဆောင်နေပါက၊ runtime သည် လုံလောက်နိုင်သည်။

ထည့်သွင်းသူအား ထုတ်ယူပြီး အကြောင်းအရာများကို ပြန်လည်သုံးသပ်ပါ။

စာရင်းစစ်ခြင်း သို့မဟုတ် ကော်ပိုရိတ်ထုပ်ပိုးခြင်းအတွက်၊ 7-Zip သို့မဟုတ် WinZip ကဲ့သို့သော LZMA-ပံ့ပိုးပေးသည့်ကိရိယာများကို အသုံးပြု၍ တပ်ဆင်သူအပြည့်အစုံကို ထုတ်ယူနိုင်သည်။ CUDAToolkit သစ်ပင်နှင့် မော်ဂျူးများကို သင်တွေ့လိမ့်မည်။ Visual Studio ပေါင်းစည်းခြင်းဖိုင်များကို သီးခြားဖိုင်တွဲများတွင် ထားရှိထားပါသည်။ ထိုဖိုင်တွဲများရှိ .dll နှင့် .nvi ဖိုင်များသည် တပ်ဆင်နိုင်သော အကြောင်းအရာ၏ အစိတ်အပိုင်းမဟုတ်ပေ။

Conda ဖြင့် Windows တွင် CUDA ကို ထည့်သွင်းပါ။

သင်သည် Conda ဖြင့် ပတ်ဝန်းကျင်ကို စီမံခန့်ခွဲလိုပါက NVIDIA မှ ပက်ကေ့ဂျ်များကို anaconda.org/nvidia တွင် ထုတ်ဝေသည်။ Toolkit ၏အခြေခံတပ်ဆင်မှု အမိန့်တစ်ခုတည်း၊ `conda install` ဖြင့် လုပ်ဆောင်နိုင်ပြီး၊ ဥပမာ၊ ဗားရှင်း 11.3.1 တွင် လော့ခ်ချရန် `release` တဂ်ကို ထည့်သွင်းခြင်းဖြင့် ယခင်ဗားရှင်းများကို ပြုပြင်နိုင်သည်။ uninstall ညွှန်ကြားတဲ့အတိုင်းပါပဲ။

pip (ဘီးများ) မှတဆင့် CUDA ကိုထည့်သွင်းပါ။

NVIDIA သည် Windows အတွက် CUDA runtime ကိုအာရုံစိုက်ထားသော Python wheels များကိုပေးသည်။ သူတို့အတွက် အဓိက ရည်ရွယ်ပါတယ်။ Python ဖြင့် CUDA ကိုအသုံးပြုခြင်း။ ၎င်းတို့တွင် ဖွံ့ဖြိုးတိုးတက်ရေးကိရိယာ အပြည့်အစုံ မပါဝင်ပါ။ ပထမဦးစွာ nvidia-pyindex ကို install လုပ်ပါ pip သည် NVIDIA NGC အညွှန်းကိုသိစေရန်နှင့် အမှားအယွင်းများကိုရှောင်ရှားရန် သင့်တွင် pip နှင့် setuptools များကို အပ်ဒိတ်လုပ်ထားကြောင်း သေချာပါစေ။ ထို့နောက် metapackages ကို install လုပ်ပါ။ သင်လိုအပ်သောအရာဖြစ်သည့် nvidia-cuda-runtime-cu12 သို့မဟုတ် nvidia-cublas-cu12။

ဤ metapackages များသည် nvidia-cublas-cu129၊ nvidia-cuda-nvrtc-cu129၊ nvidia-npp-cu129 နှင့် အခြားအရာများ ကဲ့သို့သော သီးခြား packages များကို ပစ်မှတ်ထားသည်။ ပတ်ဝန်းကျင်ကို pip က စီမံခန့်ခွဲကြောင်း သတိရပါ။သင်သည် virtualenv ၏အပြင်ဘက်တွင် CUDA ကိုအသုံးပြုလိုပါက၊ မှန်ကန်စွာချိတ်ဆက်ရန် စနစ်လမ်းကြောင်းများနှင့် variable များကို ချိန်ညှိရန် လိုအပ်မည်ဖြစ်သည်။

Windows တွင်တပ်ဆင်မှုကိုစစ်ဆေးပါ။

တပ်ဆင်ထားသောဗားရှင်းကိုအတည်ပြုရန် ညွှန်ကြားချက်အပေးအယူကိုဖွင့်ပြီး nvcc -V ကိုဖွင့်ပါ။ CUDA နမူနာများကိုပွားပါ။ GitHub မှ နမူနာများကို ဒေါင်းလုဒ်လုပ်ပြီး Visual Studio ဖြင့် စုစည်းပါ။ deviceQuery နှင့် bandwidthTest ကိုဖွင့်ပါ- GPU နှင့်အောင်မြင်သောဆက်သွယ်မှုရှိပါက၊ စက်ပစ္စည်းကိုတွေ့ရှိပြီး၊ စာမေးပွဲများကို ဖြတ်သန်းပါ။ အမှားအယွင်းမရှိပါ။ deviceQuery သည် စက်ပစ္စည်းများကို ရှာမတွေ့ပါက၊ ယာဉ်မောင်းကို စစ်ဆေးပြီး GPU ကို စနစ်တွင် မြင်နိုင်စေရန်။

CUDA အရှိန်ဖြင့် WSL

Windows 11 နှင့် Windows 10 ၏နောက်ဆုံးထွက်ဗားရှင်းများသည် CUDA-accelerated ML frameworks များနှင့် WSL အတွင်းရှိကိရိယာများအပါအဝင်၊ PyTorch၊ TensorFlow နှင့် Docker NVIDIA Container Toolkit ကိုအသုံးပြု၍ WSL တွင် CUDA-enabled driver ကို ဦးစွာထည့်သွင်းပါ၊ ထို့နောက် WSL ကိုဖွင့်ပြီး Ubuntu သို့မဟုတ် Debian ကဲ့သို့သော glibc ဖြန့်ဖြူးမှုကို ထည့်သွင်းပါ။

သင့်တွင် အပ်ဒိတ်လုပ်ထားသော WSL kernel (အနည်းဆုံး 5.10.43.3) ရှိနေကြောင်း သေချာပါစေ။ ၎င်းကိုစစ်ဆေးပါ။ PowerShell မှ `wsl cat /proc/version` ကိုသုံးပါ။ ထို့နောက် CUDA အသုံးပြုသူလမ်းညွှန်ကို WSL တွင် လိုက်နာပြီး စာကြည့်တိုက်များနှင့် ကွန်တိန်နာများကို ထည့်သွင်းကာ သင့်ပတ်ဝန်းကျင်ကို မထားဘဲ Windows တွင် သင်၏ Linux လုပ်ငန်းစဉ်များကို စတင်လုပ်ဆောင်ပါ။

Windows တွင် CUDA ကို Uninstall လုပ်ပါ။

Windows တွင် CUDA ကို ထည့်သွင်းပြီးနောက်၊ သင်သည် ယခင်ဗားရှင်းသို့ ပြန်သွားလိုပါသလား။ ပက်ကေ့ခ်ျခွဲများအားလုံးကို ပြန်ပြောင်းနိုင်သည်။ Control Panel မှ Uninstall လုပ်ပါ။ ပရိုဂရမ်များနှင့် အင်္ဂါရပ်များကို အသုံးပြုခြင်း။ ကိရိယာအစုံအလင်ကို Conda သို့မဟုတ် pip ဖြင့် စီမံခန့်ခွဲပါက ပက်ကေ့ဂျ်အကြွင်းအကျန်များကို ချန်ထားခြင်းမရှိစေရန် မန်နေဂျာတစ်ဦးစီ၏ တပ်ဆင်ခြင်းဆိုင်ရာ ယန္တရားများကို အသုံးပြုပါ။

ဗားရှင်း လိုက်ဖက်မှု မှတ်စုများ

၎င်း၏တည်ငြိမ်မှုနှင့် ဂေဟစနစ်ပံ့ပိုးမှုကြောင့် CUDA 11.8 သည် အလွန်ရေပန်းစားသော ဖြန့်ချိမှုတစ်ခုဖြစ်သည်။ ပုံမှန်လိုအပ်ချက်များ 11.8 အတွက်- Compute Capability 3.0 နှင့်အထက်၊ 64-bit၊ အနည်းဆုံး RAM 8 GB နှင့် အနည်းဆုံး GPU မမ်မိုရီ 4 GB တို့ရှိသည်။ Linux တွင်၊ ၎င်းသည် Ubuntu 18.04/20.04၊ RHEL/CentOS 7/8 ကဲ့သို့သော ဖြန့်ဝေမှုများနှင့် ကောင်းမွန်စွာ ပေါင်းစပ်ထားသည်။

CUDA 12.x သည် runtime နှင့် library တိုးတက်မှုများကို မိတ်ဆက်ပြီး မှီခိုမှုအား တွန်းအားပေးသည်။ နောက်ဆုံးပေါ်ယာဉ်မောင်းများCUDA 13 သည် ဒရိုက်ဘာကို Toolkit ထည့်သွင်းသူနှင့် အပြီးအပိုင် ပိုင်းခြားထားသည်- ဒရိုက်ဗာကို သင်ကိုယ်တိုင် ထည့်သွင်းရန် မမေ့ပါနှင့်။ အရေးကြီးရှင်းလင်းချက်CUDA သည် NVIDIA နည်းပညာဖြစ်ပြီး NVIDIA GPUs လိုအပ်ပါသည်။ ၎င်းသည် AMD GPUs များနှင့်လည်း သဟဇာတဖြစ်နေသည်ကို သင်တွေ့ပါက၊ ၎င်းသည် CUDA stack အတွက် မမှန်ပါ။

Windows တွင် CUDA ထည့်သွင်းခြင်း- အဖြစ်များသော ပြဿနာများကို ဖြေရှင်းခြင်း။

• တပ်ဆင်သူသည် အလုပ်ပျက်သည် သို့မဟုတ် အလုပ်မပြီးပါ။တပ်ဆင်သူမှတ်တမ်းများကို စစ်ဆေးပြီး သင်၏ ဗိုင်းရပ်စ်ပိုး၊ ဒစ်ခ်နေရာနှင့် စီမံခန့်ခွဲသူ ခွင့်ပြုချက်များကို အတည်ပြုပါ။ ကွန်ရက်မတည်မငြိမ်ဖြစ်လျှင်၊ သို့မဟုတ် UI ကွဲလွဲမှုများရှိလျှင် အသံတိတ်မုဒ်တွင် အပြည့်အစုံ ထည့်သွင်းသူဖြင့် ပြန်လည်ကြိုးစားပါ။
• deviceQuery သည် GPU ကိုမတွေ့ပါ။ဒရိုက်ဗာသည် မှန်ကန်မှုရှိမရှိ၊ GPU တက်ကြွမှုရှိမရှိ၊ အက်ပ်သည် dGPU ကို အသုံးပြုနေကြောင်း စစ်ဆေးပါ။ ဒရိုက်ဘာကို အပ်ဒိတ်လုပ်ပြီး လိုအပ်ပါက Toolkit ကို ပြန်လည်ထည့်သွင်းပါ။
• စာအုပ်ဆိုင်များနှင့် ပဋိပက္ခများသင့်တွင် ကိရိယာအစုံအလင်ကို ထည့်သွင်းထားပါက CUDA_PATH နှင့် PATH ကို အတည်ပြုပါ။ Python တွင်၊ PyTorch သို့မဟုတ် TensorFlow ဗားရှင်းများနှင့် ၎င်းတို့၏ဖွဲ့စည်းပုံများသည် သင်၏ CUDA/cuDNN ဗားရှင်းနှင့် ကိုက်ညီမှုရှိမရှိ စစ်ဆေးပါ။
• Visual Studio သည် .cu ကို compile မလုပ်ပါ။CUDA Build Customizations ကို သင့်ပရောဂျက်တွင် ပေါင်းထည့်ကာ .cu ဖိုင်များကို CUDA C/C++ အဖြစ် အမှတ်အသားပြုပါ။ MSVC သည် သင့်ကိရိယာအစုံနှင့် ကိုက်ညီမှုရှိမရှိ စစ်ဆေးပါ။

ကိရိယာများ၊ နမူနာများနှင့် စာရွက်စာတမ်းများ

nvcc နှင့် စာကြည့်တိုက်များအပြင်၊ Windows တွင် CUDA ထည့်သွင်းခြင်းအတွက် Toolkit တွင် Nsight Systems နှင့် Nsight Compute ကဲ့သို့သော ပရိုဖိုင်များနှင့် ခွဲခြမ်းစိတ်ဖြာချက်များနှင့် CUDA C++ ဘာသာစကားအတွက် HTML/PDF စာရွက်စာတမ်းများနှင့် ပိုကောင်းတဲ့အလေ့အကျင့်များတရားဝင်နမူနာများသည် GitHub တွင်ရှိပြီး drivers များ၊ memory performance နှင့် multiprocessors များကို မှန်ကန်ကြောင်းအတည်ပြုရန်အတွက် အကောင်းဆုံးအခြေခံတစ်ခုဖြစ်သည်။

Classic installer နှင့် Conda သို့မဟုတ် pip ကို မည်သည့်အချိန်တွင် အသုံးပြုရမည်နည်း။

သတ်မှတ်ထားသော CUDA ဗားရှင်းများနှင့် ကိုက်ညီသော မှီခိုမှုများအား ထုပ်ပိုးထားပြီးဖြစ်သည့် ML မူဘောင်များကို သင်အာရုံစိုက်လုပ်ဆောင်နေချိန်တွင် Conda နှင့် pip သည် စံပြဖြစ်သည်။ အားသာချက်ပတ်ဝန်းကျင် အထီးကျန်ဖြစ်ပြီး ပွတ်တိုက်မှု နည်းပါးသည်။ အားနည်းချက်- မူရင်း C++ ဖွံ့ဖြိုးတိုးတက်မှု သို့မဟုတ် VS နှင့် အပြည့်အဝ ပေါင်းစည်းခြင်းအတွက်၊ ဂန္ထဝင် Toolkit ထည့်သွင်းသူမှ ကမ်းလှမ်းသည်။ ကိရိယာအားလုံး အပြည့်စုံဆုံး အတွေ့အကြုံ။

အမြန်မေးလေ့ရှိသောမေးခွန်းများ

• ကျွန်ုပ်၏ GPU သည် CUDA သဟဇာတဖြစ်မဖြစ် မည်သို့သိနိုင်မည်နည်း။ Device Manager ကိုဖွင့်ပါ၊ Display adapters သို့သွားပါ၊ မော်ဒယ်ကိုစစ်ဆေးပါ။ ၎င်းကို NVIDIA ၏တရားဝင် CUDA GPUs စာရင်းနှင့် နှိုင်းယှဉ်ပါ။ သင်သည် nvidia-smi ကို run ပြီးအတည်ပြုနိုင်သည်။ သင်၏ GPU ပေါ်လာသည်။.
• CUDA မပါဘဲ လေ့ကျင့်နိုင်ပါသလား။ ဟုတ်ကဲ့၊ ၎င်းသည် CPU တွင်အလုပ်လုပ်လိမ့်မည်၊ သို့သော်ပိုမိုနှေးကွေးလိမ့်မည်။ Windows တွင် PyTorch သို့မဟုတ် TensorFlow ဖြင့် GPU ကိုအသုံးပြုရန်၊ သင်ထည့်သွင်းကြောင်းသေချာပါစေ။ တွဲဖက်တည်ဆောက်မှုများ သင်၏ CUDA ဗားရှင်းဖြင့် သို့မဟုတ် NVIDIA ကွန်တိန်နာများဖြင့် WSL ကို အသုံးပြုပါ။
• သတ်မှတ်ထားသော ဗားရှင်းအဟောင်းများအချို့သောကိရိယာများသည် cuDNN 7.6.4 နှင့် CUDA 10.1 ကဲ့သို့သော ပေါင်းစပ်မှုများ လိုအပ်သည်။ ထိုအခြေအနေတွင်၊ ထိုဗားရှင်းအတိအကျကို ထည့်သွင်းပြီး ၎င်းကို နေရာချပါ။ cuDNN ၏ DLL တစ်ချိန်တည်းတွင် cuDNN အများအပြားရှိခြင်းကို ရှောင်ကြဉ်ပြီး သက်ဆိုင်ရာ toolkit ၏ ဘင်ဖိုဒါတွင်။

အကယ်၍ သင်သည် Windows တွင် CUDA ကို ထည့်သွင်းပြီး ပြီးပြည့်စုံသော လမ်းညွှန်ချက်ဖြင့် သင့်အလုပ်ကို အရှိန်မြှင့်ရန် ရှာဖွေနေပါက၊ အထက်ဖော်ပြပါ အဆင့်များနှင့် အကြံပြုချက်များသည် သင့်အား အရာအားလုံးပြီးမြောက်စေရန် ကူညီပေးပါလိမ့်မည်။ လက်အိတ်နဲ့တူပါတယ်။ ပထမတည်ဆောက်မှုမှ