zoukankan      html  css  js  c++  java
  • DeepFaceLab:快让rtx30系列的提取速度翻倍吧!!!

    针对rtx30系列的Build版本已经出现了有一阵子了,但是提取速度让热抓狂。对于那些动辄几千几万张图片的人来说,光一个提取就可以让人崩溃了。3090用户内心os:好不容易抢了个30的卡,没想到提取速度还比不上10系列,这是闹哪样?gtx1070表示:1万多rtx3090还不如我跑得快,哈哈哈!

    具体有多慢?没有对比就没有伤害。

    下面用默认的data_dst素材比较一下!

    GTX1070下面,802版,大概花了15分钟,每秒1.8张图片!

    GTX1070下面,1211版,大概花了18分钟,每秒1.51张图片

    GTX3070下面,1211版,大概花了23分钟,每秒1.17张。目前官方最新版1212也是一样的问题!

    通过简单的对比可以发现,使用1211版本的Gtx3070完全干不过Gtx1070… 可以说是完败!

    下面再来看看另外一个版本的效率。

    Gtx3070下面,大概花了12分钟,每秒2.25张。相比1211版而言速度翻倍,时间减半。如果有一件事情本来要耗费你10年时间,现在突然5年就能搞定,是不是爽到飞起?

    今天就是要说这个版本,这就是坊间流传的test版本,也是一个蜜汁版本!对比上面已经有了,下面就直接说怎么用了。

    1. 首先得获取软件

    所有交流群都已经上传了,名字中带test的那个就是了

    2. 安装CUDA

    CUDA11.1 下载地址 :

    https://developer.nvidia.com/zh-cn/cuda-downloads

    选项如上图所示,最后点击Download下载即可。下载完成后双击打开,一路默认安装完成即可。这个过程很简单不演示了,如果有人不懂,可以在deepfaker.xyz上面看之前详细安装的文章!

    3. 安装CuDNN

    Cudnn下载网址:

    https://developer.nvidia.com/rdp/cudnn-archive

    这里选择CuDNN v8.0.4  for CUDA11.1 ,点击后会展开,选择windows [x86] (不晓得为啥没有x64,但是能用!)

    下载完之后会获得一个压缩包,里面大概包含这些文件。然后需要将这些文件复制到对应的目录。具体路径一般为C盘ProgramFiles下面。

    找到NVIDIA GPU Computing Toolkit ,双击进去。

    进入CUDA,进入V11.1 。将上面的文件复制到V11.1下面,CUDNN就算是安装完成了。然后一切搞定,提速版就能用起来了!

    虽然Test版相比Build多了安装cuda和cudnn的环节,但是以后可以节省了很多时间。前几天一直在研究怎么把这些集成在一起,这个过程中发现了很多奇奇怪怪的地方。目前,基本已经成了,测试充分点就会发一个集成好的版本,有可能直接发汉化版!

    ==========

    原文 :https://www.deepfaker.xyz/?p=2143

  • 相关阅读:
    KMP算法
    Python 正则表达式
    Python 装饰器
    C/C++ 之输入输出
    PAT(Basic Level)--个位数统计
    Java 接口与抽象类
    Java集合-01概述
    数据结构--红黑树
    数据结构--(AVL)平衡二叉树
    数据结构--二叉搜索树
  • 原文地址:https://www.cnblogs.com/wangpg/p/14136390.html
Copyright © 2011-2022 走看看