前言

为什么会写这样一篇呢，应该早晚会用到paddlelite，所以paddle还是要学的，与其在飞桨平台上跑，不如在自己电脑上跑。我以为安装paddle只需要三行代码：

# 打开Anaconda Prompt
conda create -n paddle python=3.9
conda activate paddle
python -m pip install paddlepaddle-gpu==2.4.0.post116 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

然后就可以快乐地荡起飞桨……

实则

1.安装paddle

前两步不变，python版本看你安装的版本。

# 打开Anaconda Prompt
conda create -n paddle python=3.9
conda activate paddle

关于如何选择适合自己版本的paddle，打开cmd命令窗口，输入nvidia-smi，红框中表示你可以适配的最高版本，可以选择11.2，但我个人喜欢最新的，有问题也用最高版本的。

然后进入飞桨官网选择合适版本复制命令安装。

然后执行以下命令，验证是否安装成功：

python
import paddle
paddle.utils.run_check()

如果你安装了CUDA，CUDNN，到这里一般就结束了。我是没安装的那种，但我并不认为我没有安装，因为之前安装过pytorch时，我记得安装了CUDA，跑了深度学习也没问题，所以我就没往这方面想，也不认为是版本的问题，报错如下：

Running verify PaddlePaddle program ...
W1201 16:34:44.189872 20796 gpu_resources.cc:61] Please NOTE: device: 0, GPU Compute Capability: 8.6, Driver API Version: 11.6, Runtime API Version: 11.6
W1201 16:34:44.190871 20796 dynamic_loader.cc:278] Note: [Recommend] copy cudnn into CUDA installation directory.
 For instance, download cudnn-10.0-windows10-x64-v7.6.5.32.zip from NVIDIA's official website,
then, unzip it and copy it into C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
You should do this according to your CUDA installation directory and CUDNN version.
…………
PreconditionNotMetError: The third-party dynamic library (cudnn64_8.dll) that Paddle depends on is not configured correctly. (error code is 126)
     Suggestions:
     1. Check if the third-party dynamic library (e.g. CUDA, CUDNN) is installed correctly and its version is matched with paddlepaddle you installed.
     2. Configure third-party dynamic library environment variables as follows:
     - Linux: set LD_LIBRARY_PATH by `export LD_LIBRARY_PATH=...`
     - Windows: set PATH by `set PATH=XXX; (at ..\paddle\phi\backends\dynload\dynamic_loader.cc:305)
     [operator < fill_constant > error]  

翻译过来：

正在运行验证飞桨程序。。。

W1201 16:34:44.189872 20796 gpu资源。cc:61]请注意：设备：0，GPU计算能力：8.6，驱动程序API版本：11.6，运行时API版本：11.6

W1201 16:34:44.190771 20796动态加载器。cc:278]注意：[建议]将cunn复制到CUDA安装目录中。

例如，从NVIDIA官网下载cunn-10.0-windows10-x64-v7.6.5.32.zip，

然后，将其解压缩并复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0中

您应该根据CUDA安装目录和CUDNN版本执行此操作。



PreconditionNotMetError：Paddle依赖的第三方动态库（cudnn64_8.dll）未正确配置。（错误代码为126）

建议：

1.检查第三方动态库（如CUDA、CUDNN）是否安装正确，其版本是否与您安装的飞桨相匹配。

2.配置第三方动态库环境变量如下：

-Linux:通过`export LD_LIBRARY_PATH=`

-Windows：通过`set PATH=XXX；（位于..\plade\phi\backends\dynload\dynamic_loader.cc:305）

[运算符<fill_constant>错误]

接下来就是在信息的海洋里遨游的时刻，直到看到这段话，这是我的灯塔：

2.安装CUDA

进入官网选择合适版本下载：

选择自定义全部安装：

配置变量：

安装完成后进行验证，打开cmd命令窗口，输入nvcc -V：

3.安装CUDNN

进入官网，这个需要注册登录，选择合适版本下载，下载的是一个压缩包。

意外之喜：

然后解压该文件，将其复制到CUDA的v11.6文件下，有重复的直接替换。

4.黎明就在眼前

执行以下命令，验证是否可以用paddle：

python
import paddle
paddle.utils.run_check()

报错如下，这个应该就是CUDA和CUDNN某些地方不匹配吧，稳定的话还是选择低版本好。

Could not locate cudnn_ops_infer64_8.dll. Please make sure it is in your lib

解决方法：前往官网如下图所示位置下载一个zlib包，解压缩后找到zlibwapi.dll文件，剪切到C:\Windows\System32

5.破晓

学习照亮我的灯塔也翻译一下：

Running verify PaddlePaddle program ...
W1201 18:57:31.685199  5020 gpu_resources.cc:61] Please NOTE: device: 0, GPU Compute Capability: 8.6, Driver API Version: 11.6, Runtime API Version: 11.6
W1201 18:57:31.688201  5020 gpu_resources.cc:91] device: 0, cuDNN Version: 8.7.
PaddlePaddle works well on 1 GPU.
PaddlePaddle works well on 1 GPUs.
PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now.

正在运行验证飞桨程序。。。

警告...] 请注意：设备：0，GPU计算能力：8.6，驱动程序API版本：11.6，运行时API版本：11.6

警告...] 设备：0，cuDNN版本：8.7。

飞桨在1个GPU上运行良好。

飞桨在1个GPU上运行良好。

飞桨安装成功！现在，让我们开始深入学习飞桨。