mac怎么在python安装numpy库,numpy安装方法

  mac怎么在python安装numpy库,numpy安装方法

  win 10 python 38 cupy安装踩n坑问题的根源应该是我在安装cupy之前把Nvidia cuda更新到了最新的11.5版本,原来是10.2版本。中间的经历太血腥了,花了将近一天的时间,当然最后还是好了。应该是win10,但是还不能用CUNY-CUDA 115。

  我们来记录一下中间发生了什么。这也是一个教训。中间拐弯抹角做了很多事。我也看了很多博客和官方文件,但是都没用。

  因为中间一直在摸索,没想到会这么久,这么多波折,很多都没有截图。

  问题开始的时候想过把nvidia的CUDA(计算统一设备架构)升级到最新的,这样我也可以安装最新的cupy,于是很多问题就来了。

  在cmd中输入nvidia-smi命令如下,cuda升级到11.5。

  然后用pip下载相应版本的CUNY:CUNY-CUDA 115:pip 3.8安装CUNY-CUDA 115 #检查安装状态PIP3.8 List Findstr CUNY #输出CUNY-CUDA 115,成功安装然后问题来了。导入城市大学后,如下图所示:

  问题越来越多,看了一些博客,干脆不指定11.5版本了。直接:

  Pip3.8安装cupy但是输出一堆错误,其中一部分如下:

  其中一个错误显示为:

  错误:需要Microsoft Visual C 14.2或更高版本。用“微软c构建工具”获得它:https://visualstudio.microsoft.com/visual-cpp-build-tools/显然需要下载微软visual c14.2或更高版本。

  然后我就去官网下载了,还参考了官方文件里的这个QA:

  错误:需要Microsoft Visual C 14.0或更高版本。用“微软C构建工具”得到它:https://visualstudio.microsoft.com/visual-cpp-build-tools/

  然后就是一个漫长的过程,下载安装。

  成功后,再走一遍:

  Pip3.8安装cupy结果他的喵还是没用,和上面的错误输出一样。

  继续,换个解决角度后,从ModuleNotFunderError的问题开始:没有叫‘cup’的模块,找一些博客。

  一个如下:

  EnomodulFonderError:没有名为“CUNY”的模块,CUNY安装错误

  然而,我的问题仍然毫发无损…

  我在评论区看到一个,如下:

  Pycharm中出现ImportError或dll加载失败(cup未正确安装)。

  这意味着更改环境变量,并在系统变量的路径中添加几个路径。

  然而,我的问题仍然毫发无损…

  感觉Pycharm有ImportError或者DLL加载失败(cup不是安装不正确)。

  在这篇文章的评论部分,有一句话:

  有点不对劲。可能cuda115最新版本还不能用?我不知道。反正我的想法是:把cuda版本降到v10.2

  CUDA工具包10.2下载

  同时,在阅读博客时,还需要搞cudnn:

  CuDNN存档(选择一个适合cuda10.2的)

  最后,整理完毕后,检查环境变量的系统列中是否有CUDA_PATH和CUDA_PATH_V10_2变量。

  使用命令:

  nvcc -V #或:nvcc -版本

  终于看到了曙光:

  Pip 3.8卸载Cupy-cuda115 Pip 3.8安装Cupy-cuda102此时再次导入Cupy,出现:

  终于!其实是我自己做的。本来一开始直接用cuda v10.2就应该省了我这么多屎。

  另一方面,我学到了很多没写过的东西。我主要是写课,就bmdyf。

  附:cupy numpy对比硬件:

  CPU:AMD锐龙4600H;

  GPU:Nvidia GTX1650,单独4G显示屏

  import numpy as NP import cupy as CP import time start=time . time()a=NP . ones(10 * * 7)end=time . time()start _ 2=time . time()b=CP . ones(10 * * 7)end _ 2=time . time()# CPU interval _ 1=end-start # GPU interval_2=end _ 2-start _ 2 print(interval _ 1,interval _ 2,interval_2/interval_1,sep=\ N)#结果如下结果如下:0.186940757514641.5670961799621588.381600387601841 #可见此时numpy的速度只有cupy的8倍左右。数据量大于1000万后,cupy的速度远高于numpy #因为原生GPU只有4G,由于内存容量的限制,最后测试4*10**8的规模#结果如下:0.66698479652404791.7918219563452152 #此时numpy的速度只有cupy的两倍左右,没有量级的差异。如果GPU的显示可见,Numpy的速度只有cupy的两倍左右。

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: