Programas imprescindibles para la IA generativa: tutorial detallado con imágenes de instalación de cuDNN



📚Curso en video
🕒Última actualización: 18/11/2024
👥Emprendedores / Creadores de contenido / Vendedores de comercio transfronterizo / Trabajadores secundarios

Material de estudio de referencia — incluido con la membresía
Desbloquear curso con membresía
🔓
Consigue este curso para tu estudio de referencia con la membresía
📦
Únase a la membresía — estudie los 16742 cursos y herramientas de software como referencia
🔄
Los cursos se actualizan constantemente — los miembros estudian el material nuevo en cuanto llega
Compartir:

在软件个锤子站,你会发现许多生成式AI工具的整合包。这些整合包通常会打包好所需的运行环境,安装后即可使用。不过,也有不少朋友更喜欢亲自部署工具,自己动手更有成就感!但难免会遇到运行报错的问题。其实,很多时候问题的根源在于没有安装好必备的运行环境。

Para que nadie pierda tiempo por caminos equivocados, hemos recopilado las herramientas, los frameworks y los complementos imprescindibles para dominar la IA generativa. A partir de esta entrega, te presentaremos uno por uno sus características y sus tutoriales de instalación. ¡Incluso los usuarios sin conocimientos previos podrán lograrlo sin esfuerzo!

Sección de herramientas básicas: tres componentes clave

1. CUDA: la tecnología central de aceleración de la tarjeta gráfica

CUDA, cuyo nombre completo es Compute Unified Device Architecture, es una plataforma de computación en paralelo presentada por NVIDIA. Permite que tu tarjeta gráfica ayude a procesar tareas de cálculo complejas, trasladando a la GPU parte del trabajo que antes realizaba la CPU, lo que aumenta enormemente la eficiencia de cálculo. En la IA generativa, CUDA es la herramienta básica para acelerar el cálculo de grandes volúmenes de datos y los algoritmos complejos.

2. cuDNN: el acelerador estrella del aprendizaje profundo

cuDNN (CUDA Deep Neural Network) es también una herramienta desarrollada por NVIDIA y optimizada específicamente para las redes neuronales profundas. Se basa en la tecnología CUDA y ofrece una capacidad de cálculo altamente optimizada para operaciones esenciales como la convolución, el pooling y las funciones de activación. Esta biblioteca de aceleración se usa ampliamente en los principales frameworks de aprendizaje profundo, como TensorFlow, PyTorch y MXNet, y mejora notablemente la velocidad de entrenamiento e inferencia. En pocas palabras, cuDNN es el "acelerador estrella" del aprendizaje profundo.

3. FFmpeg: el todoterreno del procesamiento multimedia

En las aplicaciones de IA generativa, la generación de vídeo y el procesamiento de audio son dos escenarios habituales, y FFmpeg es una herramienta indispensable en ellos. Como herramienta de procesamiento multimedia muy potente, realiza con eficiencia tareas de codificación, decodificación y conversión de audio y vídeo, y es el artífice oculto del funcionamiento de numerosas herramientas de IA.

A continuación traemos un tutorial de instalación detallado para ayudarte a completar paso a paso la implementación de CUDA y cuDNN (atención: ¡solo para usuarios de tarjetas gráficas NVIDIA!).

Tutorial de instalación de cuDNN

(cuDNN es un complemento de CUDA; antes de instalar cuDNN, asegúrate primero de que CUDA se ha instalado correctamente)

1. Descargar la versión de cuDNN correspondiente a CUDA

① Entra en la página de descargas oficial del enlace que figura abajo, crea una cuenta con tu correo electrónico y selecciona la versión de cuDNN correspondiente a tu versión de CUDA.

Descarga la versión de cuDNN correspondiente a tu versión de CUDA:https://developer.nvidia.com/rdp/cudnn-archive

② Haz clic en "Local Installer for Windows (Zip)" para descargar el paquete comprimido local.

2. Instalar cuDNN

① Descomprime el paquete descargado; tras la descompresión obtendrás tres carpetas.

② Copia las tres carpetas y pégalas en el directorio de CUDA. Al pegar, verás que el directorio de instalación de CUDA ya contiene carpetas con el mismo nombre que las descomprimidas de cuDNN; no te preocupes, basta con copiar y reemplazar directamente.

③ Añade las siguientes rutas en las variables de entorno, una tras otra.

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\libnvvp

3. Verificar si cuDNN se ha instalado correctamente

① Entra en la carpeta "demo_suite" del directorio de CUDA.

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\extras\demo_suite

② En la ruta de la carpeta escribe "cmd" y pulsa "Enter" para abrir el símbolo del sistema.

③ Con el ratón, arrastra "bandwidthTest.exe" de la carpeta al símbolo del sistema y pulsa "Enter"; comprueba si aparece la siguiente imagen. Si aparece, pasa al paso siguiente; de lo contrario, significa que cuDNN no se ha instalado correctamente.

④ Con el ratón, arrastra de nuevo "deviceQuery.exe" de la carpeta al símbolo del sistema y pulsa "Enter"; si aparece la siguiente imagen, significa que cuDNN se ha instalado correctamente.

Tutorial detallado con imágenes de instalación de CUDA

Tutorial detallado con imágenes de instalación de FFmpeg

Cursos relacionados