cuda安装

部署运行你感兴趣的模型镜像


原文:https://blog.youkuaiyun.com/zzpong/article/details/80282814 
原文2:https://blog.youkuaiyun.com/jin739738709/article/details/80819441 

CUDA安装失败原因
一般CUDA安装失败都是由于其中Visual Studio(VS) Intergration无法安装导致的: 
 
当然可以通过自定义的方式取消Visual Studio Intergration进行安装, 
 
 
然后再重新用CUDA安装程序将Visual Studio Intergration单独装上去,不过这种方法成功概率不大。并且随之而来的问题就是在Visual Studio编译时会报错,比如我所使用的VS2015出现了如下错误“未找到导入的项目“C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V140\BuildCustomizations\CUDA 8.0.props”。请确认<Import> 声明中的路径正确,且磁盘上存在该文件。”

解决方法
基础篇
基础篇用于解决编译问题,完成这一部分即可保证CUDA程序正常运行。

首先请按照 
 
的选择项自定义安装CUDA,并记下你所释放安装程序的路径,比如我的是“D:\Download\test”: 
 
然后在安装CUDA的时候,将“D:\Download\test”路径下的CUDAVisualStudioIntegration文件夹拷到其他位置保存,这里记作“dir\CUDAVisualStudioIntegration”,dir为你拷贝文件所在路径。该文件夹所含文件如下图示: 
 
随后等待CUDA安装完成后点击确认。 
之后,请运行VS,编译CUDA Samples工程(“C:\ProgramData\NVIDIA Corporation\CUDA Samples”),并找到VS报错路径,比如我的是“C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V140\BuildCustomizations\CUDA 8.0.props”,并将“dir\CUDAVisualStudioIntegration\extras\visual_studio_integration\MSBuildExtensions”中的所有文件拷贝到“C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V140\BuildCustomizations”文件夹中。 
重启VS,即可解决问题。

进阶篇
进阶篇可实现VS中直接新建CUDA解决方案的功能。

我们发现,虽然上述VS已可以正常编译,但毕竟不是完整安装CUDA,因此缺失了VS中“新建CUDA解决方案”的功能,如图: 
 
这时候只需要将“dir\CUDAVisualStudioIntegration\extras\visual_studio_integration”下的CudaProjectVsWizards文件夹整体拷贝到“D:\ProgramFiles\Microsoft Visual Studio 14.0\Common7\IDE\Extensions”下即可,其中加粗部分为VS安装路径。重启VS,问题解决: 
 
最后的最后,还可以把“dir\CUDAVisualStudioIntegration”下的NVIDIA_Nsight_Visual_Studio_Edition_Win64_5.2.0.16321安装一下,它是CUDA给VS2015提供的一个调试插件。

Tips: 
1. 请注意文中所述路径并不一定是你所需要的路径,而所需路径的寻找方法已在文中给出,请仔细阅读; 
2. 至于CUDAVisualStudioIntegration文件夹下的其他文件,我就不知道是做什么用的了,至少目前运行TensorFlow一切正常。并且毕竟刚开始接触这些东西,残存的一些文件归属问题就等熟练了之后再做处理吧。

但是部分需要修改:
1、“CUDAVisualStudioIntegration”这个可以在默认文件:"C:\Users\用户名\AppData\Local\Temp\CUDA"下找到,但是如果你把NVIDIA安装程序关闭了,那么这个默认文件就会消失的,所以可以等NVIDIA安装程序将数据解压完毕后再去找,肯定能找到的。
2、将"CUDAVisualStudioIntegration\extras\visual_studio_integration\MSBuildExtensions"下的文件直接拷贝到“C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V140\BuildCustomizations”文件夹中就可以!(不需要像博主说的“运行vs然后编译”,因为你根本就没有“CUDA 8.0.props”这个文件,项目都加载不了怎么可以编译然后报错,所以直接拷贝就好了)
3、验证CUDA安装是否成功,博主没有写,在这里补充:
详情可以了解:https://blog.youkuaiyun.com/walker_Tjj/article/details/79966449
打开C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0,找到对应VS版本的sample,本例中为Samples_vs2015.sln,双击打开:
选择Release,X64
右侧,解决方案资源管理器中,1_Utilities文件,右键,build(或者中文“生成”)
成功编译出现图片下方文字:成功5个…
至此,“C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release”文件夹中会出现我们需要的deviceQuery和bandwidthTest。
4、记得配置cuda环境变量,具体可以在网上搜。参考:https://blog.youkuaiyun.com/u013165921/article/details/77891913
5、最重要的错误:进阶篇,实现VS中直接新建CUDA解决方案的功能(因为离成功就差一步,所以很重要,这么重要还错了真不应该啊)
将“CudaProjectVsWizards”文件整体拷贝到“D:\ProgramFiles\Microsoft Visual Studio 14.0\Common7\IDE\Extensions”下,这里要注意两点,
第一,VS安装的时候在C盘和D盘都会创建一个“Microsoft Visual Studio 14.0”文件夹,一开始我想把“CudaProjectVsWizards”拷贝到C盘的哪个“Microsoft Visual Studio 14.0”文件夹中,但是找不到“Extensions”,其实“Extensions”在D盘,就是你最开始安装vs的那个盘

 

第二,并不是拷贝过去重启VS就可以的,详情看:https://stackoverflow.com/questions/50042186/cannot-install-cuda-toolkit-9-1-85-on-windows-7-64-bit,解决方案:在路径 D:\ProgramFiles\Microsoft Visual Studio 14.0\Common7\IDE下,打开cmd(管理员身份): “devenv /setup”

 

 



 

您可能感兴趣的与本文相关的镜像

PyTorch 2.6

PyTorch 2.6

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

以下为你提供在不同操作系统下安装 CUDA 的一般教程: ### 1. 检查系统兼容性 首先要确认系统的硬件和软件是否与 CUDA 兼容。需要查看显卡是否支持 CUDA,以及操作系统版本是否符合要求。可以访问 NVIDIA 官方网站查看 CUDA 版本与显卡、操作系统的兼容性列表。 ### 2. 下载 CUDA Toolkit 访问 NVIDIA 官方的 CUDA 下载页面(https://developer.nvidia.com/cuda-downloads ),根据自己的操作系统(如 Linux、Windows 等)、系统架构(如 x86_64)、CUDA 版本等信息选择合适的安装包进行下载。 ### 3. 安装 CUDA on Windows - 运行下载的安装程序,在安装向导中选择“同意并继续”。 - 选择安装类型,一般可以选择“自定义”以更好地控制安装过程,比如可以选择是否安装 NVIDIA 驱动等组件。 - 按照向导的提示完成剩余的安装步骤,安装过程中可能需要重启计算机。 - 安装完成后,需要配置环境变量。在系统环境变量中添加 CUDA 相关的路径,例如: - `CUDA_PATH`:设置为 CUDA安装目录,如 `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X`(XX.X 为具体的 CUDA 版本号)。 - 在 `Path` 变量中添加 `%CUDA_PATH%\bin` 和 `%CUDA_PATH%\libnvvp`。 ### 4. 安装 CUDA on Linux #### Ubuntu 为例 - 添加 NVIDIA 官方的 CUDA 软件源。打开终端,执行以下命令: ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntuXX04/x86_64/cuda-ubuntuXX04.pin sudo mv cuda-ubuntuXX04.pin /etc/apt/preferences.d/cuda-repository-pin-600 sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntuXX04/x86_64/7fa2af80.pub sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntuXX04/x86_64/ /" ``` 其中 `XX` 为 Ubuntu 版本号,如 18 或 20。 - 更新软件包列表并安装 CUDA: ```bash sudo apt-get update sudo apt-get install cuda ``` - 安装完成后,配置环境变量。打开 `~/.bashrc` 文件,添加以下内容: ```bash export PATH=/usr/local/cuda-XX.X/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-XX.X/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 然后执行 `source ~/.bashrc` 使环境变量生效。 ### 5. 验证安装 安装完成后,可以通过以下方式验证 CUDA 是否安装成功: - 在终端中执行 `nvcc --version` 命令,如果能正确显示 CUDA 版本信息,则说明 CUDA 编译器安装成功。 - 运行 NVIDIA 提供的示例程序,例如在 Linux 系统中,进入 `NVIDIA_CUDA-XX.X_Samples` 目录(XX.X 为 CUDA 版本号),执行以下命令编译并运行示例程序: ```bash make cd bin/x86_64/linux/release ./deviceQuery ``` 如果程序能正常运行并输出显卡相关信息,则说明 CUDA 安装和配置都正常。
评论
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