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。
Pour vous éviter de perdre du temps, nous avons rassemblé les outils, frameworks et plugins indispensables pour maîtriser l'IA générative. À partir de ce numéro, nous vous présenterons un par un les caractéristiques de ces outils ainsi que leurs tutoriels d'installation, afin que même les utilisateurs partant de zéro s'en sortent facilement !
1. CUDA : la technologie clé de l'accélération de la carte graphique
CUDA, de son nom complet Compute Unified Device Architecture, est une plateforme de calcul parallèle lancée par NVIDIA. Elle permet à votre carte graphique de participer au traitement de tâches de calcul complexes, en transférant une partie du travail qui incombait au CPU vers le GPU, ce qui améliore considérablement l'efficacité des calculs. Dans l'IA générative, CUDA est l'outil de base pour accélérer les calculs sur de gros volumes de données et les algorithmes complexes.
2. cuDNN : l'arme miracle de l'accélération du deep learning
cuDNN (CUDA Deep Neural Network) est lui aussi un outil développé par NVIDIA, spécialement optimisé pour les réseaux de neurones profonds. Il s'appuie sur la technologie CUDA et offre des capacités de calcul hautement optimisées pour les opérations essentielles telles que la convolution, le pooling et les fonctions d'activation. Cette bibliothèque d'accélération est largement utilisée dans les principaux frameworks de deep learning, comme TensorFlow, PyTorch et MXNet, et améliore nettement la vitesse d'entraînement et d'inférence. En bref, cuDNN est l'« arme miracle » du deep learning.
3. FFmpeg : le roi polyvalent du traitement multimédia
Dans les applications d'IA générative, la génération vidéo et le traitement audio sont deux scénarios courants, et FFmpeg y est un outil indispensable. En tant qu'outil de traitement multimédia puissant, il réalise efficacement l'encodage, le décodage et la conversion audio-vidéo ; c'est l'artisan de l'ombre du fonctionnement de nombreux outils d'IA.
Nous vous proposons maintenant un tutoriel d'installation détaillé pour vous aider à déployer CUDA et cuDNN étape par étape (attention : réservé aux utilisateurs de cartes NVIDIA !).
(cuDNN est un complément de CUDA ; avant d'installer cuDNN, assurez-vous d'abord que CUDA a bien été installé.)
1. Télécharger la version de cuDNN correspondant à CUDA
① Rendez-vous sur le site officiel de téléchargement indiqué par le lien ci-dessous, créez un compte avec votre adresse e-mail, puis choisissez la version de cuDNN correspondant à votre version de CUDA.
Télécharger la version de cuDNN correspondant à votre version de CUDA :https://developer.nvidia.com/rdp/cudnn-archive

② Cliquez sur « Local Installer for Windows (Zip) » pour télécharger l'archive locale.

2. Installer cuDNN
① Décompressez l'archive téléchargée ; vous obtiendrez trois dossiers après l'extraction.

② Copiez les trois dossiers et collez-les dans le répertoire du dossier CUDA. Lors du collage, vous constaterez que le répertoire d'installation de CUDA contient des dossiers portant le même nom que ceux extraits de cuDNN ; ne vous inquiétez pas, copiez et remplacez directement.

③ Ajoutez successivement les chemins ci-dessous dans les variables d'environnement :
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. Vérifier que cuDNN est bien installé
① Rendez-vous dans le dossier « demo_suite » du répertoire CUDA.
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\extras\demo_suite

② Dans la barre d'adresse du dossier, saisissez « cmd » et appuyez une fois sur « Entrée » pour ouvrir l'invite de commandes.

③ À l'aide de la souris, faites glisser « bandwidthTest.exe » du dossier dans l'invite de commandes, appuyez une fois sur « Entrée » et vérifiez si les écrans ci-dessous apparaissent successivement dans l'invite de commandes. S'ils apparaissent, passez à l'étape suivante ; sinon, cela signifie que cuDNN n'a pas été installé correctement.

④ Faites ensuite glisser « deviceQuery.exe » du dossier dans l'invite de commandes avec la souris et appuyez une fois sur « Entrée » ; si l'écran ci-dessous apparaît, cela signifie que cuDNN a bien été installé.

Tutoriel d'installation détaillé de CUDA (avec captures d'écran)
Tutoriel d'installation détaillé de FFmpeg (avec captures d'écran)