windows10下安装和切换多个版本的CUDA

本文详细指导了在已有CUDA11.2环境中安装CUDA9.2的过程,包括确认支持的CUDA版本、下载和安装步骤、环境变量设置以及如何验证安装。同时介绍了如何在需要时切换CUDA版本。

一、前言

当我们跑深度学习的代码时,有时会遇到上古的代码,环境比较老,是低版本的 CUDA,此时我们就需要多个 CUDA 版本,并能灵活切换。

本教程是针对已经安装一个 CUDA 后的环境,如果首次安装 CUDA 环境,可以查看我主页的保姆级教程

本文是在已有 CUDA11.2 的环境下安装 CUDA9.2。

二、安装 CUDA

1.确定是否支持所需的 CUDA 版本

1.1 右键 -> NVIDIA 控制面板
或者直接在任务栏上点击 NVIDIA 控制面板
在这里插入图片描述
在这里插入图片描述
1.2 点击左下角系统信息
在这里插入图片描述
1.3 选择组件,在 3D 设置的 NVCUDA64.dll 中可以看到最高可以支持的 CUDA 的版本,如下图,可以看出我能支持 11.2
在这里插入图片描述
所以在安装新版本的 CUDA 时,一定不能高于该版本,我需要的新环境的 CUDA 版本为 9.2,低于 11.2,可以安装。

2.下载CUDA

CUDA官方下载地址

2.1 找到对应版本
在这里插入图片描述
在这里插入图片描述
2.2 下载完整文件
WIndows -> x86_64 -> 10 -> exe(local)
其中 exe(local) 是完整的安装文件,可以离线安装
exe(network) 是在线安装

在这里插入图片描述
2.3 选择 Base Installer 下载
在这里插入图片描述

3.安装 CUDA

3.1 双击 .exe 文件
更改 CUDA 安装时缓存位置(默认为 C盘,不更改也可以,但得与原先安装的 CUDA 的安装缓存位置不同,或者该位置为空)
在这里插入图片描述
耐心等待一会
在这里插入图片描述
3.2 同意软件许可协议并继续
在这里插入图片描述
3.3 选择自定义安装
在这里插入图片描述
3.4 勾选驱动程序组件
由于之前已经安装过 CUDA,此时我们只需要选择 CUDA 即可
在这里插入图片描述
3.5 选择安装位置
默认安装位置为 C 盘,可以自由选择安装到其他盘,但需要记住安装位置,后期会使用到
在这里插入图片描述
3.6 选择 I understand,并继续
在这里插入图片描述
3.7 安装结束
在这里插入图片描述
在这里插入图片描述

4.环境变量

安装 CUDA 时会自动配置环境变量,但如果没有自动配置,则需要手动配置

4.1 首先打开环境变量
右键此电脑 -> 属性 -> 高级系统设置 -> 环境变量
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

4.2 检查环境变量
可以看到在系统变量中多了 CUDA_PATH_V9_2NVCUDASAMPLES9_2_ROOT两个环境变量。如下图:

在这里插入图片描述
在这里插入图片描述
系统变量中的 CUDA_PATHNVCUDASAMPLES_ROOT 两个环境变量也发生了改变,从原来的 v11.2 变成了原来的 v9.2。如下图:

在这里插入图片描述
在这里插入图片描述

在 Path 中多了两个变量
在这里插入图片描述

4.3 创建环境变量
如果没有上述的环境变量,可以根据情况自己添加

4.3.1 在系统变量中,选择新建

变量名: CUDA_PATH_V9_2
值: D:\CUDA Documentation\NVIDIA GPU Computing Toolkit\CUDA\v9.2(CUDA Documentation 和 CUDA Development 的路径)

变量名: NVCUDASAMPLES9_2_ROOT
值: D:\CUDA Documentation\NVIDIA Corporation\CUDA Samples\v9.2(Samples 的路径)

4.3.2 在系统变量中

选中 CUDA_PATH ,点击 编辑
将值修改为 D:\CUDA Documentation\NVIDIA GPU Computing Toolkit\CUDA\v9.2(CUDA Documentation 和 CUDA Development 的路径)

选中 NVCUDASAMPLES_ROOT ,点击 编辑
将值修改为 D:\CUDA Documentation\NVIDIA Corporation\CUDA Samples\v9.2(Samples 的路径)

4.3.3 在系统变量的 Path 中,选择新建

依次加入以下路径:

CUDA Documentation 和 CUDA Development 的路径下的 bin 文件夹:
D:\CUDA Documentation\NVIDIA GPU Computing Toolkit\CUDA\v9.2\bin

CUDA Documentation 和 CUDA Development 的路径下的 libnvvp 文件夹:
D:\CUDA Documentation\NVIDIA GPU Computing Toolkit\CUDA\v9.2\libnvvp

记得添加完后一路点击确定保存

5.验证安装

Win + R 打开命令行窗口,输入 nvcc -V,输出 CUDA 版本即为安装成功,如下图:

在这里插入图片描述
可以看到 CUDA 的版本已经变为了 9.2

三、安装 cudnn

1.下载cudnn

cudnn官方网址

选择和自己 CUDA 匹配的 cudnn版本下载
在这里插入图片描述

在这里插入图片描述

2.替换文件

2.1 解压文件
cudnn下载后是一个压缩包,解压后有以下四个文件:

在这里插入图片描述
2.2 将文件复制到 D:\CUDA Documentation\NVIDIA GPU Computing Toolkit\CUDA\v9.2(CUDA Documentation 和 CUDA Development 的路径)
在这里插入图片描述

3.验证cudnn是否安装成功

复制完后,在当前目录下进入 extras -> demo_suite,可以看到有 bandwidthTest.exedeviceQuery.exe

在这里插入图片描述
并在路径中输入 cmd 打开命令行窗口

在这里插入图片描述
3.1 输入 bandwidthTest.exe 输出下图:

在这里插入图片描述
3.2 输入 deviceQuery.exe,输出下图:
在这里插入图片描述

至此, 新版本的 CUDA 与 cudnn 安装成功,可以使用该版本的 CUDA 进行 GPU 加速了

四、切换 CUDA 版本

安装完新版本的 CUDA 后,此时运行的环境为新版本的 CUDA,当我们需要切换为其他版本时,仅需要对环境变量进行修改即可

1.切换版本

1.1 在系统变量的 Path 中,上移所需要切换的版本

在这里插入图片描述
将这两行变量置于最上方,并点击确定,如下图:
在这里插入图片描述
1.2 修改 CUDA_PATH 的值

选中 CUDA_PATH ,点击 编辑
将值修改为 D:\CUDA Documentation\NVIDIA GPU Computing Toolkit\CUDA\v11.2(CUDA Documentation 和 CUDA Development 的路径)
如下图:
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
1.3 修改 NVCUDASAMPLES_ROOT 的值
选中 NVCUDASAMPLES_ROOT ,点击 编辑
将值修改为 == D:\CUDA Documentation\NVIDIA Corporation\CUDA Samples\11.2(Samples 的路径)==
如下图:
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
记得添加完后一路点击确定保存!

2.检查版本是否切换成功

Win + R 输入 cmd 打开命令行窗口,输入 nvcc -V

在这里插入图片描述
可以看出 CUDA 版本又切回到了原来的 11.2

<think>好的,我现在要帮用户解决在Windows 10安装多个CUDA版本的问题。首先,我需要回忆之前学过的相关知识,以及用户提供的引用内容。用户提到参考引用[2]中提到了安装多个CUDA版本的方法,比如放在不同的文件夹,比如v11.8。这说明安装版本的关键在于将它们安装到不同的目录,并通过环境变量来切换。 接下来,我需要确保步骤正确。首先,用户需要下载不同版本CUDA工具包,应该从NVIDIA官网获取。安装时,选择自定义安装,避免覆盖已有版本。然后,安装路径要修改,比如v11.8另一个版本如v12.0放在同一父目录下,但不同子文件夹。这样就不会互相覆盖了。 然后,安装对应的cuDNN库。每个CUDA版本需要对应版本的cuDNN,用户需要根据CUDA版本去下载,解压后复制到对应的CUDA目录中。这部分需要详细说明,可能用户容易出错的地方。 接下来是环境变量的配置。用户需要知道如何通过设置PATH变量来切换CUDA版本。比如,将需要的版本的路径放在前面,这样系统会优先使用该版本。可能需要提醒用户如何查看当前使用的CUDA版本,比如使用nvcc --version命令。 另外,用户可能在使用深度学习框架如PyTorch或TensorFlow时,需要指定CUDA版本。这时候需要说明如何通过框架的安装命令来指定对应的版本,例如使用conda安装时指定cudatoolkit=11.8。 还要考虑用户可能遇到的问题,比如版本冲突,或者安装后环境变量没有正确生效。这时候可能需要指导用户检查PATH变量的顺序,或者重新启动命令行窗口等。 最后,生成相关问题,比如如何验证安装是否成功,如何管理多个版本,或者如何在代码中指定CUDA版本。这些问题可以帮助用户进一步理解应用多版本CUDA的环境。 总结步骤:下载不同版本、自定义安装路径、配置cuDNN、设置环境变量、验证安装。同时,提供常见问题解答相关问题,确保用户全面掌握安装方法。</think>### Windows 10 安装多个 CUDA 版本教程 #### **步骤说明** 1. **下载多版本 CUDA 工具包** - 前往 [NVIDIA CUDA 工具包下载页面](https://developer.nvidia.com/cuda-toolkit-archive),选择需要的版本(例如 CUDA 11.8 CUDA 12.2)。 - 注意选择与显卡驱动兼容的版本(可通过 `nvidia-smi` 命令查看支持的 CUDA 版本)。 2. **安装版本 CUDA** - **首次安装**:运行下载的 CUDA 安装程序,选择 *自定义安装*,取消勾选 *NVIDIA GeForce Experience* *Display Driver*(若已安装显卡驱动)[^2]。 - **指定安装路径**:将不同版本安装到独立目录,例如: - CUDA 11.8:`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8` - CUDA 12.2:`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2` - **重复安装其他版本**:按相同流程安装其他版本,确保路径不重复。 3. **安装 cuDNN 库** - 从 [NVIDIA cuDNN 页面](https://developer.nvidia.com/cudnn) 下载与 CUDA 版本匹配的 cuDNN 包。 - 解压 cuDNN 文件,将其中的 `bin`、`include`、`lib` 文件夹复制到对应 CUDA 安装目录中[^2]。 4. **配置环境变量** - 右键 *此电脑* → *属性* → *高级系统设置* → *环境变量*。 - 在 *系统变量* 的 `Path` 中,将当前需要使用的 CUDA 版本的路径(例如 `v11.8\bin` `v11.8\libnvvp`)移至顶部,确保系统优先调用该版本[^2]。 - 通过命令提示符验证当前 CUDA 版本: ```bash nvcc --version ``` 5. **框架适配(例如 PyTorch)** - 安装 PyTorch 时,指定 CUDA 版本: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch ``` - 或在代码中动态切换 CUDA 版本: ```python import os os.environ["CUDA_HOME"] = "C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.8" ``` #### **常见问题** - **Q1: 多个 CUDA 版本会冲突吗?** A: 不会,只要环境变量正确指向所需版本。 - **Q2: 如何快速切换版本?** A: 通过修改 `Path` 中 CUDA 路径的顺序,或编写批处理脚本动态设置 `CUDA_HOME`。 #### **验证安装** - 执行以下命令查看 CUDA 状态: ```bash nvidia-smi nvcc --version ```
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值