手把手教你配置CUDA, cuDNN-十分钟配置本地CUDA, cuDNN

本文提供了一步一步的教程,指导如何在本地配置CUDA和cuDNN环境,以便利用强大的GPU运行tensorflow和pytorch。首先检查GPU是否支持CUDA,然后卸载并安装CUDA,接着确保NVIDIA驱动程序已安装并设置为使用独立显卡。再下载并安装cuDNN,将相关文件移动到CUDA目录,并配置环境变量。最后,通过复制dll文件到特定位置来防止可能出现的错误。文章还提供了Pytorch和Tensorflow的配置教程链接。

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

手把手教你配置CUDA, cuDNN-十分钟配置本地CUDA, cuDNN

1. 杂话

 前文书说到,类似tensorflow和pytorch这种框架有一个很大的优点就是提供了对GPU的支持,
 那么,如果我们的电脑上正好有一块十分强劲的显卡
 就请跟着下面的教程配置本地的CUDA, cuDNN环境
 这样就可以让我们使用GPU版本的tensorflow和pytorch啦!

2. CUDA

 首先,我们要先确定自己的GPU是支持CUDA的,这一点可以在英伟达的官网上查看CUDA支持的GPU列表
在这里插入图片描述

 接下来,就可以安装CUDA了
 当然了,如果你电脑上之前就有CUDA的话,可以先卸载掉

2.1 卸载

进入控制面板->程序->卸载程序
所有前缀是NVIDIA CUD的都可以直接卸载掉
在这里插入图片描述

2.2 安装

点击Windows版CUDA11.2下载链接进行下载
接下来就没什么好讲的,直接一路默认设置,选择精简安装就可以了

3. NVIDIA驱动程序

 接下来,需要确保你的电脑上有NVIDA的驱动程序
但是这个默认应该是有的,如果没有的话就需要去安装一下驱动程序安装
在这里插入图片描述

3.1 设置独立显卡

 首先,打开电脑上的NVIDIA Control Panel
 在下图画圈的位置
 选择处理器为自己的显卡,在我的电脑上就是这个凑数MX250
但是我说实话!这卡基本算是完全没用,强烈推荐最少有个6G显存的卡再拿来用
 毕竟就是个穷学生。。特别高级的卡我确实也没用过
 但是之前我的2070还有K80和这个MX250比起来
 那简直就是飞一样的速度!!

在这里插入图片描述

4. cuDNN

 好的,接下来需要安装cuDNN
cuDNN下载链接
 选择8.1.1版本
在这里插入图片描述
 之后就可以直接点击下载,进行解压

 接下来,找到我们安装CUDA的文件夹,从解压出的文件夹中找到文件夹cuda,移动到CUDA的文件夹中
 如果是默认安装的话,路径应该就是图中的这样
 完成之后大概就这个样子
在这里插入图片描述
 最后,我们只需要简单的配置以下环境变量,打开cmd,输入下面的指令

SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\CUPTI\lib64;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\cuda\bin;%PATH%

 但是说实话,我不是很确定这个环境变量到底灵不灵,所以其实我强烈建议你,在完成这个步骤之后
再完成一下下面的这个步骤
 打开cuda文件夹,找到bin文件,看到里面的dll文件了吗?
在这里插入图片描述
 全都复制一份,粘贴到下图的位置
在这里插入图片描述
这样可以避免奇怪的找不到dll文件的错误

 好了,那么到这里,所有的配置都已经完成了

 接下来,如果想要使用GPU版本的tensorflow或者是Pytorch

 请看这里的具体安装教程:

手把手教你配置Pytorch开发环境-十分钟配置本地Pytorch, CUDA, cuDNN

手把手教你配置Tensorflow开发环境(二)-十分钟配置本地Tensorflow, CUDA, cuDNN

### CUDAcuDNN 的安装程 #### 选择合适的版本 为了确保兼容性和性能优化,在安装CUDA Toolkit之前,需确认计算机硬件支持情况并了解所使用的操作系统环境。对于Windows 10用户来说,应当访问官方资源来确定适合自己的CUDA版本[^1]。 #### 下载CUDA 前往NVIDIA官方网站上的CUDA下载页面,依据个人需求挑选对应的操作系统、架构和其他参数选项完成下载工作。注意要仔细核对这些配置信息以匹配当前系统的具体状况[^2]。 #### 安装CUDA 启动从官网获取的安装文件后,遵循向导提示逐步操作即可顺利完成整个过程。在此期间可能会遇到关于路径设置等问题,建议保持默认设定除非有特殊理由更改它们。 #### 配置环境变量 成功安装完毕后还需要适当调整系统中的PATH等环境变量,使得命令行能够识别新加入的工具集。这一步骤通常涉及编辑`Path`属性,增加指向CUDA bin目录的新条目。 #### 获取cuDNN库 同样地,先通过NVIDIA开发者网站找到适用于已安裝之CUDA版本的cuDNN发行版链接进行下载。这里强调的是两者之间存在严格的依赖关系,因此务必保证二者版本相互适配。 #### 解压并复制文件 将得到的压缩包解压至指定位置,接着把其中的内容按照说明文档指示拷贝到相应的位置下,比如常见的做法是将其放置于CUDA安装根目录内特定子文件夹里。 ```bash tar -xzvf cudnn-windows-x86_64-*.tgz cp cuda/include/cudnn.h $CUDA_HOME/include/ cp cuda/lib/x64/* $CUDA_HOME/lib/x64/ ``` #### 测试安装成果 最后可以通过编写简单的测试程序验证一切是否正常运作。例如利用Python下的TensorFlow框架构建一个小例子来进行初步检验: ```python import tensorflow as tf print(tf.reduce_sum(tf.random.normal([1000, 1000]))) ```
评论 2
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