Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/lruizap/testcuda
Guide to install and use cuda for programming
https://github.com/lruizap/testcuda
cuda cudnn nvidia pytorch
Last synced: about 1 month ago
JSON representation
Guide to install and use cuda for programming
- Host: GitHub
- URL: https://github.com/lruizap/testcuda
- Owner: lruizap
- Created: 2024-12-05T20:05:34.000Z (about 1 month ago)
- Default Branch: main
- Last Pushed: 2024-12-05T20:09:49.000Z (about 1 month ago)
- Last Synced: 2024-12-05T21:20:15.966Z (about 1 month ago)
- Topics: cuda, cudnn, nvidia, pytorch
- Language: Jupyter Notebook
- Homepage:
- Size: 5.86 KB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# README: Verificar Instalación de CUDA
Este README guía paso a paso cómo comprobar que CUDA está correctamente instalado y funcionando en tu sistema, después de haber seguido los pasos de instalación.
---
## **Pasos Previos**
Para instalar CUDA y las bibliotecas necesarias, sigue estos pasos:
1. **Descargar y actualizar dependencias de la gráfica**
- Asegúrate de tener los drivers de la gráfica actualizados. Puedes descargarlos desde los siguientes enlaces:
- [Descargar CUDA](https://developer.nvidia.com/cuda-downloads)
- [Descargar cuDNN](https://developer.nvidia.com/cudnn-downloads)
2. **Instalar PyTorch con soporte CUDA**
- Sigue la guía oficial de instalación de PyTorch:
- [Guía de instalación de PyTorch](https://pytorch.org/get-started/locally/#windows-pip)
---
## **Prueba de CUDA**
Una vez completada la instalación, verifica que CUDA esté funcionando correctamente con el siguiente script:
1. **Abrir un entorno Python**
Si usas un entorno virtual, actívalo primero:
```bash
source .venv/bin/activate # Linux/Mac
.venv\Scripts\activate # Windows
```
2. **Ejecutar el siguiente código en Python:**
```python
import torch
# Verifica si CUDA está disponible
print("¿CUDA está disponible?:", torch.cuda.is_available())
# Obtén el nombre de la GPU si está disponible
if torch.cuda.is_available():
print("Nombre de la GPU:", torch.cuda.get_device_name(0))
else:
print("CUDA no está disponible. Revisa la instalación.")
```
3. **Salida esperada:**
Si CUDA está configurado correctamente, deberías obtener una salida como esta:
```
¿CUDA está disponible?: True
Nombre de la GPU: NVIDIA GeForce RTX 3060
```
---
## **Resolución de Problemas**
Si el script indica que CUDA no está disponible:
1. Revisa si los drivers de la GPU están actualizados.
2. Asegúrate de que las versiones de CUDA, cuDNN y PyTorch sean compatibles entre sí.
3. Consulta la documentación oficial de NVIDIA o PyTorch para solucionar problemas específicos:
- [NVIDIA CUDA Documentation](https://docs.nvidia.com/cuda/)
- [PyTorch Troubleshooting](https://pytorch.org/docs/stable/troubleshooting.html)
---
Este README está diseñado para confirmar que la instalación de CUDA es exitosa antes de proceder con otros proyectos.