一看就懂的 CUDA安装教程及Pytorch GPU版本安装教程

已于 2024-01-08 11:19:44 修改
阅读量7w 收藏 616
点赞数 111
分类专栏： Pytorch 文章标签： pytorch 深度学习
于 2023-03-10 16:54:59 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Evan_qin_yi_quan/article/details/129444568
版权
本文详细介绍了如何检查GPU支持的CUDA版本，然后下载并安装CUDA，包括临时路径安装、环境变量配置和验证安装成功。接着，讲述了注册NVIDIA账户下载cuDNN，将其安装到CUDA目录并配置环境变量。最后，提供了两种方法安装PyTorch的GPU版本，强调了版本对应和验证安装的步骤。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

1.先查看电脑的GPU支持的CUDA版本

        （1）下载CUDA 

        （2）安装CUDA

        （3）查看CUDA是否安装成功 

2. 下载cuDNN，配置 

        （1）首先注册的NVIDIA账户 

        （2）安装配置 

        （3）验证是否安装成功 

3.Pytorch  GPU版本安装 

        （1）方法1使用命令直接安装

          (2)  方法2：到官网下载文件到本地再安装

     总共需要安装两个文件：CUDA和cuDNN

1.先查看电脑的GPU支持的CUDA版本

      在cmd中输入命令nvidia-smi, 可以看到CUDA最高支持12.0版本 ，可以安装12.0以下的版本

        （1）下载CUDA 

CUDA各版本选择链接如下：我安装的是11.6.0版本

CUDA Toolkit Archive | NVIDIA Developer

        （2）安装CUDA

 

双击安装，这个是安装临时路径，不改变，直接确定

 

如果出现下面安装失败的界面，把电脑杀毒软件关闭，我的电脑是 关闭360 就可以安装成功了。

 

选择自定义安装

 

不要勾选Visual Studio

记录下面三个安装目录，如果后续环境变量没有自动添加，则需要手动添加下面三个路径到环境变量中。 

 

安装完毕

查看环境变量是否添加进去，右键我的电脑->属性->高级系统设置-高级 

 

可以看到，已经添加成功 

 

        （3）查看CUDA是否安装成功 

查看CUDA是否安装成功，执行下面的第一个命令，第二个命令查看环境变量配置

 

2. 下载cuDNN，配置 

        （1）首先注册的NVIDIA账户 

链接如下：需要先注册NVIDIA账户，然后就可以下载了 

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

 注册成功后跳转到如下的下载界面，选择版本

选择window 

 

        （2）安装配置 

下载后解压，将这三个文件夹复制到CUDA的安装目录中 

 

下图是复制成功的界面，默认安装路径也显示如下 

添加下面的四个路径到环境变量中 

 

        （3）验证是否安装成功 

验证是否安装成功 ，在命令行中进入下面的目录，分别执行图中的exe文件，使用命令.\xxxx.exe执行。

看到下面中的PASS ，代表安装成功了

 

 

至此CUDA安装结束。

3.Pytorch  GPU版本安装 

        （1）方法1使用命令直接安装-Linux系统

                 Previous PyTorch Versions | PyTorch 

          torch和torchvision版本要和CUDA版本对应 

# ROCM 5.1.1 (Linux only)
pip install torch==1.12.1+rocm5.1.1 torchvision==0.13.1+rocm5.1.1 torchaudio==0.12.1 --extra-index-url  https://download.pytorch.org/whl/rocm5.1.1
# CUDA 11.6
pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu116
# CUDA 11.3
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113
# CUDA 10.2
pip install torch==1.12.1+cu102 torchvision==0.13.1+cu102 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu102
# CPU only
pip install torch==1.12.1+cpu torchvision==0.13.1+cpu torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cpu

 如我的CUDA是11.6版本，执行下面的命令安装

pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu116

安装成功如下 

 在python命令行，输入下面命令，可看到torch版本号

  import torch

  print(torch.__version__)

        (2)方法2：到官网下载文件到本地再安装-Windows系统

         下载链接如下，使用pip install xxx安装，注意CUDA版本和python版本要对应，这里不演示。 

https://download.pytorch.org/whl/torch_stable.html

CUDA详细安装及环境配置——环境配置指南 – CUDA+cuDNN+PyTorch 安装
2501_90350274的博客
05-14 1826
本文详细介绍了如何确定显卡支持的CUDA版本、选择对应的cuDNN版本，并逐步安装CUDA、cuDNN和PyTorch。首先，通过命令行输入nvidia-smi.exe查看显卡支持的CUDA版本。接着，根据CUDA版本选择对应的cuDNN版本并下载。然后，从NVIDIA官方网站下载CUDA安装包，按照提示进行安装，并检查是否安装成功。同样地，下载cuDNN安装包，解压后将文件拷贝到CUDA安装目录中，并通过命令行验证安装是否成功。最后，根据PyTorch官网的指引，选择合适的安装命令进行PyTorch的安装
pytorch安装GPU版本 (Cuda12.1)教程
关宅
04-03 9万+
使用本教程前，默认您已经安装并配置好了python3以上版本。
【人工智能】手把手教你安装CUDA：从版本确认到安装完成
最新发布
田豆芽的IT技术专栏
04-17 2269
本文将通过三个关键步骤，详细讲解如何正确安装与显卡匹配的CUDA版本。
【大模型实战】 CUDA安装及Pytorch GPU版本安装教程（2025版最新最全教程安装）
知识靠谱的博客
01-04 1673
CUDA安装教程及PyTorch配置安装教程
CUDA安装及环境配置——2025
qq_63124927的博客
08-24 1万+
如果出现上面这个图片的状况那么就是电脑visual studio版本太低了，点击蓝色字体链接去下载安装vs，vs安装过程基本上一直下一步就可以了，安装好就正常了。这里要注意操作系统和版本的选择，我是Windows10，最后一个下载方式最好选local，在线下载比较麻烦。进入以下页面选择合适的版本后，点击CUDA Toolkit 1*.**.*后面那个是说明不要点！如果你下载的cuda是12.xx版本，那么你在上面点击cudnn 9的任意版本都行。由此便可开始属于你的深度学习之路，祝大家前程似锦，不负韶华。
cuda和cudnn的安装教程(全网最详细保姆级教程)
在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步
08-25 4万+
CUDA和cuDNN是由NVIDIA提供的两个关键软件库，用于利用NVIDIA GPU进行高性能计算和深度学习加速。
GPU（CUDA）教程
04-24
GPU（CUDA）教程, 文字清晰，有详细目录，适合初学入门
CUDA从入门到精通
热门推荐
Augusdi的专栏
10-17 17万+
CUDA从入门到精通（零）：写在前面 在老板的要求下，本博主从2012年上高性能计算课程开始接触CUDA编程，随后将该技术应用到了实际项目中，使处理程序加速超过1K，可见基于图形显示器的并行计算对于追求速度的应用来说无疑是一个理想的选择。还有不到一年毕业，怕是毕业后这些技术也就随毕业而去，准备这个暑假开辟一个CUDA专栏，从入门到精通，步步为营，顺便分享设计的一些经验教训，希望能给学习CUDA的童
CUDA安装教程
qq_56246012的博客
10-05 1万+
最新版CUDA安装教程，配置环境变量。
【CUDA安装详细教程】
weixin_44189155的博客
08-16 5万+
windows10 版本安装 CUDA ，需要下载两个安装包CUDA toolkit（toolkit就是指工具包）和cuDNN，cuDNN 是用于配置深度学习使用官方教程。
cuda安装
qq_44815474的博客
08-11 581
cuda环境安装
【深度学习框架】PyTorch GPU版本安装教程：多系统环境配置与常见问题解决方案
04-03
内容概要：本文档详细介绍了PyTorch GPU版本的安装步骤，适用于Windows、Linux和macOS系统。首先确认硬件和系统要求，包括支持CUDA的NVIDIA显卡、最新的显卡驱动以及特定版本的CUDA。安装方式有两种：推荐使用conda...
win11及cuda121环境下pytorch安装及避坑
04-16
### Win11与CUDA 12.1环境下PyTorch安装及注意事项 #### 系统配置及准备 在开始安装之前，确保您的计算机满足以下基本条件： - **操作系统**: Windows 11 x64。 - **显卡**: NVIDIA RTX 4060。 - **磁盘空间**: C盘...
Pytorch GPU版本安装
cash_cp的博客
04-28 1946
安装Pytorch GPU版本过程
CUDA安装教程（超详细）
GitHub质检员
12-12 3万+
windows10 版本安装 CUDA ，首先需要下载两个安装包CUDA toolkit（toolkit就是指工具包）cuDNN注：cuDNN 是用于配置深度学习使用官方教程。
手把手带你安装CUDA
qq_51375047的博客
08-07 3万+
CUDA是NVIDIA发明的并行计算平台和编程模型。它通过利用图形处理单元 （GPU） 的强大功能，大幅提高计算性能。CUDA 在开发时考虑了几个设计目标：为标准编程语言（如 C）提供一小组扩展，使并行算法的直接实现成为可能。使用 CUDA C/C++，程序员可以专注于算法的并行化任务，而不是将时间花在实现上。支持异构计算，其中应用程序同时使用 CPU 和 GPU。应用程序的串行部分在 CPU 上运行，并行部分卸载到 GPU。因此，CUDA 可以逐步应用于现有应用程序。
【ffmpeg入门】安装CUDA并使用gpu加速
m0_62599305的博客
07-18 5105
在处理视频的过程中，FFmpeg 是一个非常强大和广泛使用的开源工具。然而，视频处理通常需要大量的计算资源，特别是在进行高分辨率视频的编码和解码时。为了提高处理效率，我们可以利用 GPU 的强大并行计算能力。NVIDIA 的 CUDA 平台提供了一个利用 GPU 加速计算的框架，结合 FFmpeg，我们可以大幅提升视频处理的速度。本篇文章将简要介绍如何在 FFmpeg 中安装并启用 CUDA，以实现 GPU 加速。
CUDA的安装
doswynkfsw的博客
04-07 363
背景 依据不同的torch版本，可能需要不同的cuda版本，我们可以同时安装多个cuda版本，然后是使用不同的cuda版本时在配置环境中进行修改。 下载链接 直接下载bash 可以运行的文件，然后按照要求回车就可以。 https://developer.nvidia.com/cuda-toolkit-archive 环境配置 export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64/:$LD_LIBRARY_PATH export PATH=/usr/local/
cudapytorch环境
03-25
### 配置和使用 CUDA 在 PyTorch 环境中的方法 为了在 PyTorch 中正确配置和使用 CUDA，需要遵循一系列特定的步骤来确保 GPU 加速功能正常工作。以下是详细的说明： #### 1. 安装适合的 PyTorch 版本 选择与目标硬件兼容的 PyTorch 和 CUDA 组合至关重要。通常可以通过访问 PyTorch 的官方网站获取推荐的安装命令[^3]。例如，在支持 CUDA 11.1 的环境中，可以运行以下命令以安装对应版本的 PyTorch 及其依赖库： ```bash pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html ``` 此命令会下载带有 CUDA 支持的 PyTorch 软件包，并将其适配到本地环境[^4]。 #### 2. 创建 Conda 环境（可选） 如果倾向于通过 `conda` 进行管理，则建议先创建一个新的虚拟环境再进行安装操作。例如： ```bash conda create -n pytorch_env python=3.8 conda activate pytorch_env ``` 随后按照上述方式完成 PyTorch 的安装过程。某些预构建模型可能已经内置了特定版本的 PyTorch；因此需验证当前所用的具体版本号是否满足需求[^2]。 #### 3. 验证 CUDA 是否可用 成功部署之后，可通过 Python 编写一小段脚本来测试设备状态以及确认是否有可用的 NVIDIA 显卡资源供调用： ```python import torch print(f"CUDA Available: {torch.cuda.is_available()}") print(f"Current Device Index: {torch.cuda.current_device()}") print(f"Device Name (GPU): {torch.cuda.get_device_name(0)}") ``` 当返回值显示 `"CUDA Available"` 结果为 True 并且能够识别具体的显卡名称时，表明系统已准备好利用 GPU 执行计算任务[^1]。 #### 4. 使用 CUDA 设备训练模型 一旦基础架构搭建完毕，就可以轻松切换至 GPU 上面处理数据流或者执行深度学习算法运算。比如定义张量并将它们转移到指定位置上： ```python device = 'cuda' if torch.cuda.is_available() else 'cpu' tensor = torch.tensor([1, 2, 3], device=device) if tensor.device.type == 'cuda': print('Tensor is on the GPU.') else: print('Tensor remains on CPU.') ``` 以上代码片段展示了如何判断某个 Tensor 对象是否存在於图形处理器内存之中。 --- ###
评论 31
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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