win10下CUDA、cudnn以及pytorch的安装更新

最新推荐文章于 2025-02-08 10:10:51 发布
最新推荐文章于 2025-02-08 10:10:51 发布
阅读量5.4k 收藏 32
点赞数 6
分类专栏： PyTorch 文章标签： pytorch 深度学习 人工智能
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/misite_J/article/details/119962202
版权

文章目录


前言：“升级至cuda 不需要将老的cuda版本手动卸载”，在安装新版本后，在默认安装地址下会同时存在多个版本，可进行多版本的切换；如确需卸载，可参考 cuda 和 cudnn 库的卸载与安装或其他博客。

  • cuda默认安装地址：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\
  • 本机原版本：CUDA Version 10.0.130；cudnn Version 7.6.4；新版本：CUDA Version 10.2.89，cudnn Version 8.2.1
  • 重装新版本后，在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\目录下存在v10.0、v10.2两个文件夹。

查看自己电脑支持的cuda信息

cuda toolkits与cuda driver

  • 每个版本的CUDA toolkits都对应一个最低版本的CUDA Driver；
  • CUDA Driver是向后兼容的，这意味着根据CUDA的特定版本编译的应用程序将继续在后续发布的Driver上也能继续工作。

CUDA Toolkit和CUDA Driver版本的对应情况部分如下，源自：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html?spm=a2c6h.12873639.0.0.6ae46238jQLxD6#major-components

nvidia-smi与nvcc -V

  • nvidia-smi：全程是NVIDIA System Management Interface ，在命令行中使用该语句可监控NVIDIA GPU设备；
  • nvvv -V：如本机安装有CUDA，执行该命令查看CUDA安装版本。

下图中，nvidia-smi显示Driver Version 462.42，查上表可知该版本最高支持CUDA 11.2。

至于nvidia-smi显示CUDA Version 11.2，nvcc -V显示CUDA Version 10.0，这是由于driver API与runtime API的区别。

driver API与runtime API

CUDA有两个主要的API：runtime API和driver API，这两个API都有对应的CUDA版本（如10.0和11.2等）。

  • 用于支持driver API的必要文件(如libcuda.so)是由GPU driver installer安装的，nvidia-smi就属于这一类API。
  • 用于支持runtime API的必要文件(如libcudart.so以及nvcc)是由CUDA Toolkit installer安装的（CUDA Toolkit Installer有时可能会集成了GPU driver Installer）。nvcc是与CUDA Toolkit一起安装的CUDA compiler-driver tool，它只知道自身构建时的CUDA runtime版本，不知道GPU driver版本，甚至不知道是否安装了GPU driver。

综上，如果driver API和runtime API的CUDA版本不一致可能是因为使用的是单独的GPU driver installer，而不是CUDA Toolkit installer里的GPU driver installer。因为一般情况下，我们的笔记本电脑安装个CUDA Driver就可正常看视频、办公和玩游戏了，几乎用不到CUDA Toolkit，就没有安装CUDA Toolkit。

下载CUDA和cuDNN

  • CUDA：是一个并行计算平台和编程模型，能够使得使用GPU进行通用计算变得简单和优雅；
  • cudnn：是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算，它强调性能、易用性和低内存开销，还可以集成到高级别的机器学习框架中。

在确定自己电脑支持的CUDA最高版本后，还需要结合pytorch版本选择合适的CUDA版本。

pytorch与cuda版本对应

PyTorch官网：https://pytorch.org/

PyTorch历史版本：https://pytorch.org/get-started/previous-versions/

cuda最新版本：https://developer.nvidia.com/cuda-downloads

cuda历史版本：https://developer.nvidia.com/cuda-toolkit-archive

cuda与cudnn版本对应

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

安装CUDA和cudnn

CUDA

  • 双击cuda安装包启动安装程序，默认位置安装即可；

  • 选择自定义安装，去掉VS Intergration；

    • 其余可全部勾选，网上很多教程都是只选cuda，但是其他选项会自动更新显卡其它的相关驱动，为避免后续可能出现的不兼容问题，可以都选上;

    • 但是需要注意：如果电脑目前安装的驱动版本号高于Cuda本身自带的驱动版本号（如下图版本号对比），那一定不可勾选图示三个选项，否则安装失败。

  • 安装位置选择用系统默认，也可自行更改，但要记住自己的安装位置，以便后续导入cudnn和系统变量设置；

  • 等待安装完成。

cudnn

cudnn解压后内部总共3个文件夹，将三个文件夹的内容分别复制添加到cuda10.2文件夹中对应的文件夹内，注意不是替换/覆盖掉三个文件夹。

环境变量配置

CUDA

CUDA安装完成后，系统变量中会自动添加CUDA_PATH和CUDA_PATH_V10_2，CUDA_PATH由原来的10.0自动变更为10.2，如下图。

cudnn

见下图（以未安装10.2之前的10.0版本示例），在环境变量path中添加路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64；

图中路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\libnvvp是与之前的CUDA_PATH同步自动添加的，如果没有就手动添加。

安装完成后的验证

CUDA

  • 在命令行中运行nvcc -V，会显示CUDA安装版本；

  • 或是进入到cuda的安装路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite，执行deviceQuery.exe，出现如下界面。

cudnn

  • 同样在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite目录下执行bandwidthTest.exe，出现如下界面。

注意，两个exe文件需要命令行cd到安装目录，命令行运行文件，如上图所示；否则，直接在文件夹中运行会一闪而过。

CUDA多版本切换

切换CUDA版本时，只需要切换环境变量中CUDA的顺序即可，比如让CUDA10.2生效，只需将CUDA10.2环境变量上移至CUDA10.0之前。

详情可参考Windows下CUDA多版本共存

下载并安装Pytorch

pytorch1.8.2 GPU版安装

conda create -n py18 python=3.8

conda activate py18

conda install pytorch torchvision torchaudio cudatoolkit=10.2

在第三步因为网络安装失败的问题，更换国内源，如清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/；若换源后仍无法安装心仪版本，比如本次试图安装的1.8.2版本国内源未更新（见下图），到官网https://download.pytorch.org/whl/lts/1.8/torch_lts.html下载合适版本的whl文件，然后本地安装：

  • pip install cudatoolkit=10.2
  • pip install torch-1.8.2+cu102-cp38-cp38-win_amd64.whl
  • pip install torchvision-0.9.2+cu102-cp38-cp38-win_amd64.whl
  • pip install torchaudio-0.8.2-cp38-none-win_amd64.whl

image-20210827223119976

检查PyTorch GPU版本是否安装成功

import torch

print(torch.__version__)
print(torch.cuda.is_available())

device = torch.device("cuda:0" if (torch.cuda.is_available()) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))

image-20210827231808911

参考

  1. 显卡，显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn区别？
  2. TensorFlow、PyTorch各版本对应的CUDA、cuDNN关系
  3. win10升级cuda+cudnn 至 cuda10.1适配pytorch
  4. Windows10检查Cuda和cuDNN是否安装成功？
  5. Windows下CUDA多版本共存
Windows下如何安装、升级显卡驱动和cuda、cudnn以及安装gpu版pytorch
weixin_43869605的博客
10-29 1151
注意：我这里提供的安装 方法，是解决直接使用pip安装报错安装不了的问题，并且Python环境已经搭建OK，这里我是以python3.10为例。注意：所有步骤都是傻瓜式操作，只是在安装选线的时候我们可以选择自定义安装，这样可以根据自己的要求选则那些不安装，不会的朋友建议全部选择。2. 安装torch和torchvision、torchaudio（选择上面下载好的whl文件进行安装）1. 下载torch和torchvision、torchaudio（注意：安装的cuda版本不能比上面的cuda版本高。
win11+cuda+cudnn+pytorch安装
eplan21的博客
09-18 1684
3060+win11+cuda+cudnn+pytorch安装
windows下 更新cuda,cudnn,torch
illcx的博客
02-26 3301
因为adamw优化器要求torch版本1.5.0以上, 而cuda10.0对应torch到1.4.0因此更新cuda,cudnn,torch cuda选11.1因为线下原因 官网链接 https://developer.nvidia.com/cuda-11.1.1-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal cudnn 对照cuda选 cud
PyTorch及相关环境更新与安装指南-GPU
最新发布
geyaliang的博客
02-08 1188
PyTorch 及相关环境更新与安装指南-GPU。 当你需要更新环境并使用最新配置时，可能需要重新下载程序。在使用 `pip` 安装过程中，部分环节下载速度较慢，可通过迅雷下载对应的 `.whl` 文件来解决。以下是详细的安装步骤。
windows CUDA更新（最简单方法）+虚拟环境torch和cuda安装
hahahahanhanhan的博客
01-27 1万+
项目使用torch想要使用GPU运行，但是报错，记录一下解决过程。
windows 安装cudnn
hk121的博客
10-29 1586
windows 安装cudnn cudnn 是英伟达的一个加速库 首先要安装好cuda 在英伟达网站 https://developer.nvidia.com/rdp/cudnn-download 下载与cuda对应的库，需要注册一个账号 下载之后解压缩，将.h .lib 和.dll 文件分别拷贝到cuda的include, lib/x64, bin 文件夹下 ----------------...
windows如何安装并切换不同版本的cuda，更新cuda版本
热门推荐
一千零一夜的博客
08-01 8万+
不同论文用的cuda版本经常不一样，如何在不同的cuda版本之间自由切换。重新配置配置太麻烦了，所以需要同时安装多个cuda，但window安装一个版本后，安装另一个过程中会自动删除前面版本。 下面是最简单的切换方式 1. 查看当前使用的cuda版本，之前安装好的，没有安装的话，就先安装好一个版本，我的是cuda9.0 2. 开始安装另一个版本，我的是cuda7.5，安装方法和cuda...
安装cuda、cudnn、Pytorch（用cuda和cudnn加速计算）
qq_43629945的博客
06-20 2401
安装cuda、cudnn、Pytorch步骤
CUDA, CuDnn以及pytorch安装步骤
ayutu的博客
06-25 2337
首先声明：因为和和都是在外网，所以进入他们的网站需要梯子，请自行搭梯子进入，博主这里提供不了梯子，为各位说一声抱歉。
Win10 Anaconda 下配置CUDA、cudnn和pytorch
suncmd的专栏
07-11 1260
1. Anaconda 安装 （1）从官网下载文件，按照提示安装即可，建议不要安装到C盘。 官网地址：https://www.anaconda.com/download 重要的是配置下图所示的环境变量。依次点开 1 设置---> 2高级系统设置（对话框右侧）---> 2高级系统设置（对话框右侧）---> 3环境变量（对话框右下侧）---> 4 双击 Path---> 5 新建添加三个环境变量。 （2）安装成功验证： 打开Anaconda3
win11及cuda121环境下pytorch安装及避坑
04-16
本篇文章详细介绍了在Windows 11操作系统和CUDA 12.1环境下安装Anaconda和PyTorch的具体步骤，以及安装过程中可能遇到的问题和解决方法。遵循这些步骤，可以帮助用户顺利完成安装过程，减少不必要的麻烦。需要注意的...
Windows系统下CUDA、cuDNN与PyTorch的更新与安装全攻略
yxn4065的博客
06-05 7982
CUDA是NVIDIA推出的一个并行计算平台和编程模型，它允许开发者使用NVIDIA的GPU进行高性能计算。CUDA提供了一套丰富的API，使得开发者能够轻松地编写在GPU上运行的并行代码，从而显著提高计算性能。官网：https://developer.nvidia.com/这是一个包含CUDA编译器、调试器、性能分析工具等的开发套件，用于帮助开发者构建、优化和调试CUDA应用程序。CUDA Toolkit是开发CUDA程序的基础。cuDNN是NVIDIA专门为深度神经网络设计的一套加速库。
pytorch安装报错：OSError: [WinError 127]，c10_cuda.dll缺失。
weixin_43889609的博客
10-12 1万+
pytorch安装报错记录： OSError: [WinError 127]，c10_cuda.dll缺失。解决方法：卸载重装。 AttributeError: module 'numpy' has no attribute 'ndarray'解决方法：卸载安装其他版本的numpy。
pytorch c10.dll找不到
gcl916的博客
12-30 6745
import torch.optim as optim File "D:\Python38\lib\site-packages\torch\__init__.py", line 135, in <module> raise err OSError: [WinError 126] 找不到指定的模块。 Error loading "D:\Python38\lib\site-packages\torch\lib\c10.dll" or one of its dependencies. 安装
pytorch安装问题浅记
qq_54072072的博客
10-15 443
1.安装pytorch前一定要确定自己的python版本，最好是3.8或者3.9的，如果是更高版本的，会没有对应得pytorch，报错，这个错也有可能确实没有对应版本的，换一个版本能成功的当我没说。3.后来选择在官网对应网站上下载wheel文件，注意;这个地方一定要看准，torch的版本，cp39指python的版本是3.9，后面是win系统。2.pip install 的时候，修改安装位置找不到对应得设置文件，出现fozen [ ][ ]的问题，解决办法，重装python。
GPU加速指南：如何在Windows上更新CUDA并安装PyTorch
scy的技术博客
12-05 2770
之前在安装Pytorch版本时搞错了环境，导致每次在进行model training的时候速度很慢，后来检查了一下电脑中的torch环境，原来是CUDA版本没有更新，导致版本不匹配，没有使用CUDA，每次都在用CPU进行训练，难怪时间很长。如图所示，我的电脑目前CUDA版本就是11.4，但是在我想要安装对应的GPU torch时，发现目前的CUDA版本已经在11.6及以上了，于是决定先对CUDA版本进行更新。代表的是torch 1.13.0 版本， CUDA 11.7 版本， Python 3.7 版本。
Windows安装多个版本的CUDA并实现自由简单的切换
Peter_xia_的博客
03-28 1081
​不同项目所使用的cuda版本也可能不同，网上一般方法是将环境变量提前，来实现cuda版本更换。本文介绍了一种快速切换cuda版本的办法：即写一个脚本从而实现进入虚拟环境自动切换cuda版本。这个东西有人出过教程，但是太难找了，所以留个档自用。
在WIN11 23H2上搭建哈工大操作系统实验 Hit-oslab 环境指南
m0_72227262的博客
05-12 1217
​ 本文为网易云课堂李治军老师操作系统系列课程实验的在Windows11 23H2中文家庭版上的本地环境搭建指南​操作系统之基础 - 网易云课堂。​ 如果网易云上的课程无法查看，也可以看 Bilibili 上的操作系统哈尔滨工业大学李治军老师。​操作系统原理与实践 - 实验楼​ 网易云课堂上这门课配套的实验环境是在蓝桥云课上的，它的在线环境虽然用起来非常方便，但是非会员环境只能保存一个小时，不适合较复杂的实验。所以我决定在本地搭建实验环境。后面会附上链接参考。
安装torch-geometric
Old_D7的博客
02-03 1369
python安装torch-geometric的方法
Win10平台CUDA9.2与cuDNN7.1的安装指南
在Windows 10操作系统上安装并正确配置CUDA Toolkit和cuDNN是深度学习项目中的一个关键步骤。由于CUDA和cuDNN的版本之间存在兼容性问题，因此在安装时必须确保下载与CUDA 9.2版本相对应的cuDNN 7.1版本。这一步骤是...
评论
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