CUDA安装

部署运行你感兴趣的模型镜像

1、查看电脑中CUDA版本号
在cmd中输入 nvidia-smi

 2、官网下载对应CUDA版本

点击链接会进入如下界面,点击 Achieve of Previous CUDA  Version 寻找需要的CUDA版本。

 我的CUDA版本是11.4,所以下载对应版本即可。

 3、下载cuDNN

点击链接,登录 or 注册 后下载

 

4、CUDA安装

找到下载的安装包,点击进行安装:

 

 记住安装路径,后面添加环境变量的时候需要哦!

 

 点击关闭完成。

然后配置环境变量,系统变量中有如下两个CUDA的路径就可以 了。

 然后重启,打开cmd输入nvcc -V,如果出现以下界面表示安装成功:

4、安装cuDNN

解压缩cuDNN安装包,得到三个子文件夹,bin include lib 

找到CUDA的安装路径,将三个文件夹分别复制到CUDA路径下的三个同名文件夹里面!

为cuDNN添加环境变量(这里好像有点问题,一不小心把CUDA装到Development下了)。

 检查cuDNN是否安装成功:

进入CUDA安装界面,我的路径是:H:\Softwares\CUDA\CUDA11.4.0\Installation\Development\extras\demo_suite

找到  bandwidthTest  和  deviceQuery 这两个exe文件。

打开cmd,跳转到指定目录:

H:\Softwares\CUDA\CUDA11.4.0\Installation\Development\extras\demo_suite

首先是 deviceQuery:

 然后是bandwidthTest:

 完成!!!

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

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
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
 条评论被折叠 查看
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