支持50系列显卡最新版本CUDA超详细安装教程最终版本

『AI先锋杯·14天征文挑战第9期』 10w+人浏览 148人参与

‍‍🏡博客主页: virobotics(仪酷智能):LabVIEW深度学习、人工智能博主
🎄所属专栏:『LabVIEW AI环境部署』
📑推荐文章:『LabVIEW人工智能深度学习指南』
🍻本文由virobotics(仪酷智能)原创

🥳欢迎大家关注✌点赞👍收藏⭐留言📝订阅专栏

前言

Hello,大家好,这里是仪酷智能VIRobotics,一个深耕于LabVIEW和人工智能领域的开发工程师。今天给大家分享如何在windows系统上安装CUDA12.x。首先需要下载两个安装包

  • CUDA toolkit
  • cuDNN(注:cuDNN 是用于配置深度学习使用)

一、CUDA简介

CUDA 是 NVIDIA 推出的并行计算平台与编程模型,专为发挥 NVIDIA GPU 的并行计算能力设计。它通过核函数、线程层次结构等机制,让开发者能便捷编写在 GPU 上运行的并行代码,大幅提升计算密集型任务效率。

二、软件下载

可以在英伟达官网直接下载,也可关注微信公众号:仪酷智能科技,回复关键字:cuda 直接获取

三、安装准备工作

1、硬件要求:只有NVIDIA显卡才支持CUDA,如果电脑没有此类显卡,那么不必再进行后面的步骤;打开NVIDIA控制面板,点击“系统信息”,再点击“组件”查看当前的显卡驱动最高支持的CUDA版本;
在这里插入图片描述

2、操作系统:Windows 10 / Windows 11 64bit。

3、升级 NVIDIA 驱动:如果使用仪酷LabVIEW AI系列工具包。建议大家安装CUDA12.8以及对应的CUDNN。如果当前驱动低于这个版本,请前往NVIDIA官网,根据自己的显卡型号,下载并安装最新的驱动程序:https://www.nvidia.com/Download/index.aspx

下载完成后运行安装程序,选择 “自定义安装”,勾选 “执行干净安装” 以清除旧驱动。安装完成后,重启电脑。

四、CUDA的下载及安装

4.1 CUDA 安装包下载

可以关注微信公众号:仪酷智能科技,回复关键字:cuda 直接获取CUDA12.8及对应cuDNN。

4.2 安装CUDA

1、双击下载的EXE安装包,开始安装; 提取安装文件的(临时)存放位置,保持默认,点击OK,等待文件提取完成;
在这里插入图片描述

2、等待检查系统兼容性;
在这里插入图片描述

3、许可协议,点击同意并继续
在这里插入图片描述

4、如果是第一次安装,选择精简(精简版本是下载好所有组件,并且会覆盖原有驱动),一直点击下一步,安装完成关闭即可;

在这里插入图片描述

5、如果不是第一次安装,建议选择“自定义”安装,点击下一步;
在这里插入图片描述

6、选择驱动程序组件,取消勾选其他项,展开第一项CUDA,取消勾选其中的Visual Studio Integration,点击下一步;
在这里插入图片描述

7、选择安装位置。保持默认路径,点击下一步;
在这里插入图片描述

8、 等待安装;
在这里插入图片描述
在这里插入图片描述

9、 点击下一步,点击关闭,至此CUDA即安装完毕;

在这里插入图片描述
在这里插入图片描述

至此,按照安装向导提示完成安装,安装完成后,重启系统。

✨注意:无论是精简还是自定义,默认文件(CUDA12.8)安装路径为:

CUDA Documentation: C:\program files\NVIDIA GPU Computing Toolkit\CUDA\v12.8
Samples: C:\ProgramData\NVIDIA Corporation\CUDA Samples\v12.8
CUDA Development: C:\program files\NVIDIA GPU Computing Toolkit\CUDA\v12.8

4.3 验证CUDA是否安装成功

运行cmd,输入nvcc -V,若显示 CUDA 12.8 相关版本信息,如下图所示,说明CUDA已经安装成功且环境变量的配置也没有问题了
在这里插入图片描述

五、cuDNN的下载及安装

cuDNN是 NVIDIA 推出的专为深度神经网络加速设计的 GPU 加速库,它基于 CUDA 平台,为深度学习框架提供了高度优化的底层计算原语,能够显著提升神经网络训练和推理的效率。

5.1 cuDNN下载

可以关注微信公众号:仪酷智能科技,回复关键字:cuda 直接获取CUDA12.8及对应cuDNN

5.2 cuDNN配置

1、将下载的压缩包解压,解压后的文件如下:
在这里插入图片描述

2、将解压后的文件夹中的bin、include、lib 三个文件夹,移动到CUDA Development 安装路径下,与同名文件夹合并。
CUDA Development 默认安装路径:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8

在这里插入图片描述

六、配置环境变量

1、“此电脑”—右键—属性—高级系统设置—环境变量,
打开环境变量窗口。首先检查是否已有两个变量(不同版本名称有变化):
在这里插入图片描述

2、接着,找到Path变量并双击,检查列表中是否已经有如右图所示的两项,分别指向CUDA Development 安装路径下的 bin 文件夹和 libnvvp 文件夹。如没有,请手动添加。
在这里插入图片描述

至此CUDA及cuDNN安装并配置完毕。

以上就是今天要给大家分享的内容,希望对大家有用。如有笔误,还请各位及时指正。这里是virobotics(仪酷智能),我们下篇文章见~
如您想要探讨更多关于LabVIEW与人工智能技术,欢迎加入我们的技术交流群:705637299。进群请备注:优快云
我们将持续更新迭代,与开发者一同探索LabVIEW AI Vision 的无限可能!

更多内容可查看

如果文章对你有帮助,欢迎✌关注、👍点赞、✌收藏、👍订阅专栏

推荐阅读

【YOLOv5】LabVIEW+TensorRT的yolov5部署实战(含源码))
【YOLOv5】手把手教你使用LabVIEW ONNX Runtime部署 TensorRT加速,实现YOLOv5实时物体识别(含源码)
【YOLOv8】实战一:手把手教你使用YOLOv8实现实时目标检测
【YOLOv8】实战二:YOLOv8 OpenVINO2022版 windows部署实战
【YOLOv8】实战三:基于LabVIEW TensorRT部署YOLOv8
【YOLOv9】实战一:在 Windows 上使用LabVIEW OpenVINO工具包部署YOLOv9实现实时目标检测(含源码)
【YOLOv9】实战二:手把手教你使用TensorRT实现YOLOv9实时目标检测(含源码)
【YOLOv11】实战一:在LabVIEW 中使用OpenVINO实现YOLOv11
👇技术交流 · 一起学习 · 咨询分享,请联系👇

### 在 PyCharm 上部署 DeepSeek 的详细步骤 #### 1. 准备工作环境 确保安装并配置好所需的开发工具和库。这包括但不限于 Python 解释器版本、PyTorch 库以及 CUDA 工具包等必要的依赖项[^1]。 对于特定硬件平台的支持情况,如 Windows 11 操作系统搭配 Intel 多核处理器及 NVIDIA 显卡组合下,可以顺利运行基于 Python 3.9 和 PyTorch 2.5.1+cu118 构建的应用程序,并且能够兼容 YOLO 系列目标检测框架共同存在于同一虚拟环境中[^2]。 #### 2. 获取 DeepSeek 并集成至项目结构内 下载或克隆官方发布的最新版 DeepSeek 至本地磁盘指定位置;随后,在 PyCharm 中创建新工程项目或将现有工程迁移至此处保存。通过 IDE 提供的功能按钮(例如左侧方向键图标),可便捷地实现源码片段向 `.py` 文件内部转移操作。 #### 3. 初始化与设置参数 按照文档指示完成初始化过程——通常涉及定义输入输出路径、调整超参数设定等内容。值得注意的是,DeepSeek 设计理念强调透明度与交互性,即不仅限于给出最终结论,更注重展示整个推理链条中的各个环节,从原始数据收集直至最后一步解决方案实施均有所体现[^3]。 ```python from deepseek import initialize, configure_parameters initialize() configure_parameters( data_path='./data', model_selection='random_forest', # or other models as needed preprocessing_steps=['normalize'], evaluation_metrics=['accuracy'] ) ``` #### 4. 运行调试与优化迭代 利用 PyCharm 内置的强大调试功能逐步排查可能出现的问题点,同时借助其可视化界面监控训练进度表现。随着不断尝试不同的算法策略和技术手段来提升性能指标水平,进而达到预期效果为止。 ---
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

打赏作者

virobotics

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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