win11+CUDA12.0+vs2022环境搭建

最新推荐文章于 2025-10-25 17:12:25 发布
原创 最新推荐文章于 2025-10-25 17:12:25 发布 · 4.4k 阅读 · 5 ·
CC 4.0 BY-SA版权
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。
文章标签：

#c++

win11+CUDA12.0安装CUDA、cuDNN和vs2022

安装前系统中安装了vs2017和vs2022，所以，安装nvidia kit时自动检测vs环境并安装了cuda项目模板，不需要再鼓捣vs了。

一、驱动版本检查

检查驱动有两种方法，可以在cmd里输入nvidia-smi或者在桌面右键nvidia控制面板→左下角“系统信息”→左上角“组件”查看

有一些教程第一步还需要下载GeForce Experience，下载成功之前我的电脑里有，所以我没有下载，成功之后电脑里没有了但好像也没什么影响。（我也没下载VS）

read-normal-img

read-normal-img

以我为例，可以下载12.2以下的版本。

二、检查tensorflow_cpu/gpu对应的CUDA和cuDNN版本

gpu版本对应网址：https://tensorflow.google.cn/install/source_windows?hl=en#gpu

最低0.47元/天 解锁文章
oracleworm
关注
关于win11使用CUDA的配置
weixin_43213237的博客
05-14 939
安装network版本，一直next安装，等待安装完成。**C:\Program Files\NVIDIA GPU Computing Toolkit**这目录下，在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\include路径下找到 cudnn_version.h文件，打开，看一下。可以支持
【CUDA+Windows11+VisualStudio2019】从0搭建GPU CUDA开发环境
热门推荐
weixin_43953700的博客
03-26 2万+
安装VS2019与CUDA Driver 参考另一篇文章 【CUDA+OpenCV】Windows 11 Visual Studio 2019 下配置Cmake + OpenCV_子韵如初的博客-优快云博客 注意安装CUDA时候不要选择精简，选择自定义，把所有选项都勾选上 关键的是需要引入visual_studio_integration， 且安装时候需要把VisualStudio2019关闭 查询本机GPU设备型号 开始菜单单击右键 ，设备管理器->显示设备器 可以看到为.
Windows用Visual Studio 2022编译支持CUDA12的gromacs 2024.2教程
a15969091614的博客
04-02 1439
gromacs 计量化学
CUDA12.0以及对应版本cuDNN详细安装教程
最新发布
GISer help GISer
10-25 2043
本文提供了一份在Windows操作系统上安装NVIDIA CUDA及其对应cuDNN库的完整、逐步可视化指南。教程始于如何确认显卡驱动支持的CUDA最高版本，涵盖了从官方渠道下载指定版本CUDA、执行自定义安装、配置系统环境变量到最终验证安装成功的全过程。随后，详细阐述了如何根据已安装的CUDA版本下载并部署兼容的cuDNN库，并通过运行测试程序确保其正常工作。本教程旨在帮助用户，特别是深度学习开发者和研究人员，快速、准确地搭建起必要的GPU计算环境。
VS2022 CUDA环境配置
微小冷的学习笔记
05-23 1万+
其自带的模板程序中，会用到``这个语法，表示GPU调用的线程块，在示例程序中，在调用自定义函数`addKernel`时，用到了下面的代码，表示调用1个线程块，每个线程块中有5个线程。
WIN11系统下VS2022配置CUDA11.8
Mr_agfeng的博客
07-15 5861
WIN11系统手动配置CUDA与VS2022的环境
VS2022配置CUDA、CuDNN和TensorRT的环境
m0_63769180的博客
10-09 4225
精简安装会安装CUDA相关组件，同时也会将显卡驱动重新安装。这里不想重新安装显卡驱动，所以选择自定义安装。选择组件的时候，将CUDA中的Nsight VSE和Visual Studio Integration取消勾选，并将Driver components里面的两个驱动组件取消，其他保持勾选。
VS2022+CUDA v12.0配置踩坑报错MSB372+C1083
m0_46464899的博客
06-24 2946
VS2022+CUDA v12.0配置踩坑报错MSB372+C1083
win10+cuda10.2+python3.8+pytorch环境配置
qq_44898691的博客
09-09 2370
一、安装CUDA 前阵给电脑刷机，准备重新学一下深度学习，先从比较简单的pytorch框架入手，利用电脑1060显卡加速训练，记录配置环境需要注意的问题。 首先需要确定电脑是支持cuda的，查询本机显卡是否支持CUDA的安装，是否存在列表中， 网址:https://developer.nvidia.com/cuda-legacy-gpus. 如果有下载你想要的cuda版本，我下载的是10.2版。点击进入网址https://developer.nvidia.com/cuda-toolkit-archiv
cuda12+vs2019环境搭建 发疯实录
fumingxiaoshen的博客
10-15 3228
鉴于在安装包里的extras中提供的.exe文件是能够运行的，且能够通过nvprof进行测试，因此感觉整个安装过程是没有任何问题的。在使用命令行的过程中，发现nvcc似乎没有找到对应的.cu文件，导致什么都不报错，同时也什么都生成不了。难道是我的驱动变了，导致我的版本也变了，然而我装的那个nvcc是12.0的？然后能不能更改debug的平台为x86，失败（没有找到对应的可以点击的选项，且win10的平台一定是x64的）只勾选第一个后（以及第一个的最后一个小框框只勾选vs的那个），终于安装好了！
win10+anaconda+虚拟环境+cuda9.2安装Pytorch
kunAUGUST的博客
03-30 1699
我的cuda9.2，实测可以安装9.0版本 查看自己cuda版本的方法： 控制面板-硬件和生音-NVIDIA控制面板-帮助-系统信息组件 9.2.217 参考：https://blog.csdn.net/weixin_42158966/article/details/88543668?depth_1-utm_source=distribute.pc_relevant.none-task&...
Visual Studio2022配置CUDA教程
2401_88036011的博客
07-25 1207
本文提供VS2022和CUDA环境配置及运行教程。首先通过B站视频指导下载安装VS2022，然后参考视频安装CUDA。运行程序时，在VS中创建CUDA项目，选择"CUDARuntime"模板，替换kernel.cu文件内容为提供的示例代码（包含CPU/GPU输出功能），按F5编译运行。成功运行后将同时输出CPU和GPU的"HelloWorld"信息，表明环境配置完成。文中附有三个详细的B站教程视频链接，分别对应VS2022安装、CUDA安装和编程环境搭建步骤。
Visual Studio2022+cuda环境配置及代码调试
贾路飞的博客
06-20 3958
打开Visual Studio，新建项目。如下图所示，已经包含CUDA编程选项。
9.4 visualStudio 2022 配置 cuda 和 torch (c++)
weixin_71719718的博客
01-08 1768
在【附加依赖项】中添加D:\libtorch-win-shared-with-deps-1.8.0+cu111\libtorch\lib文件夹下所有的 *.lib文件。（查看环境变量改变CUDA_PATH_V11_7，v11_7指的安装的。完成上述配置后，在计算机【环境变量–系统变量】中添加。的博客，作为笔记用。首先，创建一个新的项目和一个新的cpp文件。的博客，作为笔记用，本人搭建后可以运行。打开项目属性，在【附加包含目录】中添加。在属性管理器中【添加新项目属性表】至此，torch配置完成。
基于Windows Visual Studio2022的cuda加速版onnxruntime配置
m0_52047962的博客
07-23 1181
好的，废话不多说，进入整体。
Windows10+VisualStudio2022+CUDA11.7环境配置
Yang Jin‘s Blog
11-15 2万+
Win10+CUDA11.7+VS2022环境配置
Windows10 配置 VS2022 CUDA 编程环境记录
weixin_43887015的博客
05-09 2731
Windows10 配置 VS2022 CUDA 编程环境记录
Windows 11+Visual Studio 2022 环境OpenCV+CUDA 12.5安装及踩坑笔记
Humbunklung的专栏
07-23 5343
OpenCV CUDA，NVIDIA Video Codec SDK，CMake Error at cmake/OpenCVDetectCUDAUtils.cmake :297 (list) list GET given empty list，ImportError: DLL load failed while importing cv2: 找不到指定的模块。
【极致版】VS2022 + OpenCVGPU版+CUDA+contrib配置
m0_71790606的博客
02-25 3601
找到opencv_world4100.dll，复制这个文件粘贴到C:\Windows\System32目录中，大功告成！
下列软件包有未满足的依赖关系： tensorrt : 依赖: libnvinfer8 (= 8.6.1.6-1+cuda12.0) 但是它将不会被安装 依赖: libnvinfer-plugin8 (= 8.6.1.6-1+cuda12.0) 但是它将不会被安装 依赖: libnvparsers8 (= 8.6.1.6-1+cuda12.0) 但是它将不会被安装 依赖: libnvonnxparsers8 (= 8.6.1.6-1+cuda12.0) 但是它将不会被安装 依赖: libnvinfer-bin (= 8.6.1.6-1+cuda12.0) 但是它将不会被安装 依赖: libnvinfer-dev (= 8.6.1.6-1+cuda12.0) 但是它将不会被安装 依赖: libnvinfer-plugin-dev (= 8.6.1.6-1+cuda12.0) 但是它将不会被安装 依赖: libnvparsers-dev (= 8.6.1.6-1+cuda12.0) 但是它将不会被安装 依赖: libnvonnxparsers-dev (= 8.6.1.6-1+cuda12.0) 但是它将不会被安装 依赖: libnvinfer-samples (= 8.6.1.6-1+cuda12.0) 但是它将不会被安装 E: 无法修正错误，因为您要求某些软件包保持现状，就是它们破坏了软件包间的依赖关系。
03-20
<think>好的，我现在需要帮用户解决TensorRT 8.6.1.6在CUDA 12.0环境下的依赖问题。用户提到需要安装libnvinfer8、libnvinfer-plugin8等包，但可能遇到依赖不满足的情况。首先，我应该回忆一下TensorRT的安装方式，常见的有deb包、tar包和通过pip安装。 用户提供的引用中有提到使用deb包安装，比如引用[2]中的步骤。不过用户现在的问题可能在于CUDA 12.0环境下，官方提供的TensorRT版本可能还不支持，或者默认的仓库没有对应的包。我需要确认TensorRT 8.6.1是否兼容CUDA 12.0，通常来说，TensorRT版本需要和CUDA版本匹配，可能用户需要更高版本的TensorRT或者降级CUDA？但用户可能希望保持CUDA 12.0，所以可能需要其他方法。 另一个可能性是用户使用的Ubuntu版本是否支持，比如如果用户是Ubuntu 18.04，而TensorRT的某个版本可能需要更新的系统库。或者依赖项中的某些库需要手动安装，比如libcudnn8等。此外，用户可能需要添加正确的NVIDIA仓库，确保apt能够找到这些包。 根据引用[3]，安装TensorRT需要先安装CUDA和cuDNN，所以需要确认用户的CUDA 12.0和对应的cuDNN版本是否与TensorRT 8.6.1兼容。查阅NVIDIA官方文档，TensorRT 8.6.1可能要求特定版本的cuDNN，比如8.9.x，如果用户安装的是cuDNN 8.9.4，那可能需要确认是否匹配。 接下来，可能的解决方案包括：1. 添加正确的NVIDIA apt仓库，确保能够下载到适用于CUDA 12.0的TensorRT包。2. 手动下载deb包并安装，处理依赖问题。3. 使用tar包安装，避免系统包管理的依赖问题。或者，使用Python wheel安装，但需要确认是否有适用于CUDA 12.0的版本。 用户之前可能尝试过安装但遇到依赖问题，比如缺少libnvinfer8等，这可能是因为仓库中没有这些包，或者需要启用multiverse仓库。此外，可能需要安装特定版本的依赖项，例如libcudnn8-dev等。 需要分步骤指导用户添加仓库，更新源，然后安装，或者手动下载deb包处理依赖。如果通过deb安装，可能需要使用dpkg -i，然后apt-get install -f来修复依赖。或者，使用tar包解压并设置环境变量，这样可能绕过系统依赖的问题。 另外，用户可能需要配置环境变量，如LD_LIBRARY_PATH，指向TensorRT的库路径。同时，在编译或运行程序时，需要链接正确的库文件。 最后，需要验证安装是否成功，比如运行样本程序或使用trtexec工具。如果还有问题，可能需要检查CUDA和cuDNN的版本兼容性，或者考虑使用Docker镜像来避免环境冲突。</think>针对TensorRT 8.6.1.6在CUDA 12.0环境下的依赖问题，可通过以下步骤解决： ### 一、安装依赖项前的准备 1. **验证CUDA 12.0安装状态** 执行`nvcc --version`确认CUDA版本，需确保已正确安装CUDA 12.0[^3]。 2. **安装cuDNN兼容版本** TensorRT 8.6.1要求cuDNN 8.9.4，需从[NVIDIA开发者网站](https://developer.nvidia.com/cudnn)下载对应版本： ```bash sudo dpkg -i cudnn-local-repo-ubuntu1804-8.9.4.25_1.0-1_amd64.deb sudo apt-get update sudo apt-get install libcudnn8 libcudnn8-dev ``` ### 二、TensorRT安装方法 #### 方案1：通过官方仓库安装 ```bash # 添加NVIDIA仓库（替换为实际OS代号） OS_ID="ubuntu2004" sudo dpkg -i nv-tensorrt-repo-${OS_ID}-cuda12.0-trt8.6.1.6_1-1_amd64.deb sudo apt-key add /var/nv-tensorrt-repo-${OS_ID}-cuda12.0-trt8.6.1.6/7fa2af80.pub sudo apt-get update # 安装核心组件 sudo apt-get install tensorrt libnvinfer8 libnvinfer-plugin8 libnvparsers8 libnvonnxparsers8 # 安装开发包和样本 sudo apt-get install libnvinfer-dev libnvinfer-plugin-dev libnvparsers-dev libnvonnxparsers-dev tensorrt-samples ``` #### 方案2：手动安装Deb包（推荐） 1. 从[NVIDIA官网](https://developer.nvidia.com/tensorrt)下载以下匹配包： ``` libnvinfer8_8.6.1-1+cuda12.0_amd64.deb libnvinfer-plugin8_8.6.1-1+cuda12.0_amd64.deb libnvparsers8_8.6.1-1+cuda12.0_amd64.deb libnvonnxparsers8_8.6.1-1+cuda12.0_amd64.deb tensorrt_8.6.1.6-1+cuda12.0_amd64.deb ``` 2. 批量安装并修复依赖： ```bash sudo dpkg -i *.deb sudo apt-get install -f # 自动补全缺失依赖 ``` ### 三、验证安装 1. **检查版本兼容性**： ```bash dpkg -l | grep -E "libnvinfer|tensorrt" ``` 2. **运行样本测试**： ```bash cd /usr/src/tensorrt/samples make -j$(nproc) cd bin && ./trtexec --version ``` ### 四、常见问题处理 - **依赖冲突**：若出现`libcudnn8 (>= 8.9.4)`错误，需升级cuDNN至8.9.4版本[^3] - **环境变量配置**：在`.bashrc`中添加： ```bash export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH ```
评论 1
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
表情包 代码片
 条评论被折叠 查看
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