cuda安装教程+cudnn安装教程

最新推荐文章于 2025-07-11 11:07:36 发布
原创 最新推荐文章于 2025-07-11 11:07:36 发布 · 10w+ 阅读 · 1.1k ·
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。

本教程详细介绍了如何在Windows系统上安装CUDA9.0和CUDNN7.0，包括下载链接、安装步骤、环境变量配置及验证安装成功的方法。确保GPU编程环境正确搭建。

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

cuda9.0+cudnn7.0安装教程

 

1、下载cuda9.0

下载链接：https://developer.nvidia.com/cuda-toolkit-archive

 

2、安装cuda

安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录；

临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除；

安装目录，建议默认即可；

注意：临时解压目录千万不要和cuda的安装路径设置成一样的，否则安装结束，会找不到安装目录的！！！

选择自定义安装

安装完成后，配置cuda的环境变量；

命令行中，测试是否安装成功；

 

步骤如下（部分过程图）：

安装完成，先查看系统变量，然后添加cuda的系统变量：

查看：

添加系统变量后如下图所示：

 

测试：

win+R

nvcc -V

nvcc --version

显示cuda版本号9.0   V9.0.176

说明安装成功！

 

3、cudnn下载

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

4、cudnn安装

解压文件夹，将解压后的文件夹下的文件拷贝到cuda安装目录下，与之相对应的文件夹下。

完成！

 

 

5、参考链接：

https://blog.youkuaiyun.com/u010618587/article/details/82940528

https://blog.youkuaiyun.com/weixin_39290638/article/details/80045236

https://blog.youkuaiyun.com/asd136912/article/details/79383161

https://blog.youkuaiyun.com/Eppley/article/details/79297503

 

 

【深度学习环境配置】Anaconda + PyCharm + CUDA + cuDNN + PyTorch + OpenCV
shinuone的博客
02-23 2万+
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
Ubuntu20.04+cuda+cudnn+ancadacon+tensorflow+opencv从零安装完整教程
mcu旺仔acm的博客
03-18 2948
一. Ubuntu系统 安装 1.准备工具： ubuntu镜像文件（以20.04为例） https://mirrors.tuna.tsinghua.edu.cn/ubuntu-releases/20.04/?C=N&O=A 启动盘制作工具（Rufus–1008.05kb,网上有) U盘(16G以上) 2.启动盘制作：如下图进行启动盘制作即可 3.系统安装 (1)进入Bios...
cuda安装教程 cuda安装教程
01-20
cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cud
一文速通 GPU、CUDA、CuDNN、vLLM 概念原理
最新发布
2401_82540083的博客
07-11 1173
中文叫做图形处理器。与之对应的，，中文叫做中央处理器。GPU自从上世纪90年代出现雏形以来，它的功能最初与名字一致，是专门用于绘制图像和处理图元数据的特定芯片。经过20多年的发展，已经发展成不仅仅是渲染图形这么简单，还包含了数学计算、物理模拟、AI运算等功能。很多人会把GPU和显卡混用，其实严格来说它们并不是完全一样。GPU是显卡的核心部分，但显卡还包含更多元件，包含 GPU、显存、供电等。一句话，GPU是一片处理芯片，显卡是一整块硬件电路板。1. NVIDIA。
【CUDA安装详细教程】
热门推荐
weixin_44189155的博客
08-16 5万+
windows10 版本安装 CUDA ，需要下载两个安装包CUDA toolkit（toolkit就是指工具包）和cuDNN，cuDNN 是用于配置深度学习使用官方教程。
cuda安装
qq_42814530的博客
12-04 1万+
方式一：验证英伟驱动是否安装nvidia-smi ，以及安装的驱动版本方式二：查看驱动版本信息 cuda toolkit与driver对应表：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 下载cuda toolkit 下载cuDnn（需要注册账号，随便填） 在官网，资源中下载cuDNN 选择自定义安装，勾选cuda组件 安装路径选择（我选择默认路径） 下一步，勾选undestan 装好后会默认生成cuda_pa
ubuntu安装显卡驱动+cuda+cudnn教程（18.04+cuda10+cudnn9.05为例）
03-29
ubuntu安装显卡驱动+cuda+cudnn教程 本教程将指导读者在 Ubuntu 18.04 环境中安装显卡驱动、CUDA 和 cuDNN。整个安装过程可以分为五个步骤：安装 Nvidia 显卡驱动、安装 CUDA、配置环境变量、检查环境变量和安装 ...
conda安装cuda10.1+cudnn7.6.5，conda安装深度学习gpu环境
09-28
在本教程中，我们将聚焦于如何通过conda环境管理器来安装CUDA 10.1和CUDNN 7.6.5，并创建一个适合PyTorch的GPU环境。 首先，确保你有一台装有NVIDIA显卡且驱动程序已更新到兼容CUDA 10.1的计算机。你可以从NVIDIA...
详解Ubuntu16.04安装nvidia驱动+CUDA+cuDNN的教程
09-14
在本教程中，我们将深入探讨如何在Ubuntu 16.04系统上安装NVIDIA显卡驱动、CUDA工具包以及cuDNN库。这个过程对于那些想要利用GPU进行深度学习和高性能计算的用户来说至关重要。 首先，我们需要确保你的GPU支持CUDA...
NAVIDA CUDA+CUDNN
05-17
由于NAVIDA官网资源不好下载，这里将最新的较常用的CUDA和CUDNN资源从管网上下载下来奉献给大家,都是64位的，分别是8.0、9.0、9.1，由于上传资源大小有限制，因此上传百度网盘，链接：https://pan.baidu.com/s/1kSxcTdocHbfeTaPRa6Je8Q 密码：t8tv
Cuda安装教程
dongfanglanyi的博客
08-31 9375
前言：在安装cuda toolkit 之前，先安装 Microsoft visual studio 2010/2013/2015都可以。 根据cuda官网，下载cuda toolkit   下载本地文档。   解压到需要安装的文件夹下。注意，此时的只是临时放置在该文件夹下，后面安装完成后，该文件夹将自动不存在（直接自动删除）。   安装过程中，根据提示，选择自定义的安装。 注意，此阶...
cuda安装教程
qq_18894441的博客
02-16 2111
1、安装cuda sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.105-418.39_1.0-1_amd64.deb sudo apt-key add /var/cuda-repo-10-1-local-10.1.105-418.39/7fa2af80.pub sudo apt-get update sudo apt-get install -y cuda sudo gedit ~/.bashrc（写入export PATH=$PATH:/usr/loc
CUDA安装教程
Bushka_的博客
04-09 4万+
CUDA安装程序 1.在英伟达官网上下载CUDA。
cuda12.8安装教程+cudnn安装教程
03-14
### CUDA 12.8 和 cuDNN 的安装教程 #### 工具概述 CUDA Toolkit 是 NVIDIA 提供的一套开发工具和库，用于支持开发者构建并优化基于 CUDA 技术的应用程序[^3]。cuDNN 则是一个针对深度学习应用的 GPU 加速库，通常与 CUDA 配合使用。 --- #### 安装环境准备 在开始安装前，请确认以下条件已满足： - 系统硬件需配备支持 CUDA 的 NVIDIA 显卡。 - Linux 或 Windows 操作系统的兼容性版本（此处以 Linux 为例）。 - 开发者权限以及必要的包管理工具（如 `dnf`、`apt-get` 等）。 --- #### CUDA 12.8 安装步骤 ##### 下载 CUDA Toolkit 访问 NVIDIA 官方网站下载最新版 CUDA Toolkit (v12.8)，网址为： [https://developer.nvidia.com/cuda-downloads](https://developer.nvidia.com/cuda-downloads) 根据操作系统选择合适的安装方式。对于 Linux 用户，推荐通过 `.run` 文件或 APT/DFN 包管理器完成安装。 ##### 使用 DNF 进行安装 如果目标系统为 SUSE Enterprise Server (SLES)，可以按照以下命令执行安装操作： ```bash sudo dnf install cuda-cross-sbsa ``` 此命令会自动配置基础依赖项，并将 CUDA Toolkit 添加到系统环境中[^1]。 ##### 设置环境变量 安装完成后，需要手动设置环境变量以便于后续调用。具体方法如下： 编辑用户的 shell 配置文件（如 `.bashrc` 或 `.zshrc`），添加以下内容： ```bash export CUDA_HOME=/usr/local/cuda-12.8 export PATH=$PATH:$CUDA_HOME/bin export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_HOME/lib64 ``` 保存后重新加载配置文件： ```bash source ~/.bashrc ``` 验证安装是否成功： ```bash nvcc --version ``` 上述命令应返回 CUDA 编译器的相关信息，表明安装已完成[^2]。 --- #### cuDNN 安装指南 ##### 获取 cuDNN 库 登录 NVIDIA Developer Portal 并进入 cuDNN 页面下载对应版本的压缩包。确保所选版本匹配当前安装的 CUDA 版本（即 v12.8）。链接地址为： [https://developer.nvidia.com/cudnn](https://developer.nvidia.com/cudnn) ##### 解压并复制文件 解压下载好的 cuDNN 压缩包至指定目录，并将其内容拷贝到 CUDA Toolkit 的默认路径下： ```bash tar -xzvf cudnn-linux-x86_64-v*-*.tgz sudo cp cuda/include/cudnn*.h $CUDA_HOME/include/ sudo cp cuda/lib64/libcudnn* $CUDA_HOME/lib64/ sudo chmod a+r $CUDA_HOME/include/cudnn*.h $CUDA_HOME/lib64/libcudnn* ``` 以上命令假设 `$CUDA_HOME` 变量已被正确定义。 ##### 测试安装效果 编写简单的测试脚本来验证 cuDNN 是否正常工作。例如，创建一个名为 `test_cudnn.cu` 的文件，其内容如下： ```cpp #include <stdio.h> #include <cuda_runtime.h> #include <cudnn.h> int main() { cudnnHandle_t handle; cudnnCreate(&handle); printf("cuDNN initialized successfully.\n"); cudnnDestroy(handle); return 0; } ``` 编译该文件并运行： ```bash nvcc test_cudnn.cu -o test_cudnn -lcudnn ./test_cudnn ``` 若无错误提示，则表示 cuDNN 成功集成到现有 CUDA 环境中。 --- ### 注意事项 - 如果遇到显存不足或其他性能瓶颈问题，可尝试调整驱动版本或更新 BIOS。 - 对于多用户共享服务器场景，建议采用模块化管理方案来隔离不同版本间的冲突。
评论 43
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