CUDA与CUDNN在Windows下的安装与配置

最新推荐文章于 2025-04-19 08:30:00 发布
最新推荐文章于 2025-04-19 08:30:00 发布
阅读量810 收藏 14
点赞数 7
文章标签： windows 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/weixin_42589048/article/details/146275362
版权

目录

一、查看电脑CUDA版本

二、下载CUDA

三、CUDA安装

四、检查CUDA是否安装成功

五、CUDNN的下载

六、编辑系统环境变量

七、检查CUDNN是否安装成功

一、查看电脑CUDA版本

按住win+r，输入cmd点击确定，进入终端窗口。

输入nvidia-smi，查看版本号。

二、下载CUDA

我的CUDA Version为12.5，说明该显卡最高支持到12.5，我这里就选择12.4的版本，你也可以选择更低的版本更低的版本。

下载网址CUDA Toolkit Archive | NVIDIA Developer

点击后等待一会即可进行下载，我是Windows11操作系统所以选择Windows，Version选择11，选择本地下载exe(local)，最后Download进行本地下载。

三、CUDA安装

使用默认路径安装，安装的时候一定要把杀毒软件关闭，否则安装失败。

同意继续

选择自定义，下一步。

把CUDA选一下，还需要注意一点，如果你前面没有安装vs，需要把CUDA里面的Visual Studio Integration取消勾选，否则会安装不成功。

默认位置，下一步。

四、检查CUDA是否安装成功

安装成功后，同时点击win+r，输入cmd进入终端窗口输入nvcc -V，若结果如图所示则证明CUDA安装成功

五、CUDNN的下载

cuDNN Archive | NVIDIA Developer

这里以cuDNN for CUDA 12.x支持包为例，如果CUDA版本不是12.4的用户，下载相应的cuDNN包。点击下载后，需要你进行注册。

解压后把这三个文件夹复制到Cuda安装路径下

六、编辑系统环境变量

打开“编辑系统环境变量”，点击“环境变量”

添加以下四个路径

七、检查CUDNN是否安装成功

打开C:\Program Files\NVIDIA Computing Toolkit\CUDA\v12.4\extras\demo_suite，查看是否有文件bandwidthTest.exe以及deviceQuery.exe，若存在则在该文件中打开cmd运行两.exe文件

若都能成功运行就恭喜你CUDNN安装成功了。

JeJe同学
关注
关于win11使用CUDA的配置
weixin_43213237的博客
05-14 800
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
cuDNN在Windows中的安装
xihoney的博客
10-31 2017
关于cuDNN在深度神经网络中的重要性以不言自明，作者在使用Matlab 训练LSTM网络的过程中总是出现报错： 这样错误即表示当前计算机中的显卡不能被正常调用，或者缺少cuDNN。 首先，通过在cmd窗口中键入"nvcc - v",查看CUDA的状态。其次，通过Nvidia显卡的控制面板，确定计算机所适配的CUDA版本。 最后，下载适合版本的cuDNN：cuDNN Archive | NVIDIA Developer 下载的cuDNN为zip文件，解压该文件，提取其中的文件夹bin，lib，.
Windows11安装CUDA、cuDNN、PyTorch详解
L
10-12 1万+
‌cuDNN（CUDA Deep Neural Network library）是一个由NVIDIA开发的深度学习GPU加速库，旨在为深度学习任务提供高效、标准化的原语（基本操作）来加速深度学习框架在NVIDIA GPU上的运算。此外，PyTorch还具有高度的灵活性和可扩展性，支持多种硬件平台，并且有一个活跃的社区，提供了大量的教程和资源，使得用户可以快速上手并解决实际问题。PyTorch的核心特点包括：‌12。可以看到NVIDIA GPU驱动版本为546.56，支持的CUDA最高版本为12.3。
【官方配图】win10/win11 安装cuda 和 cudnn
weixin_43356770的博客
02-28 1057
路径可以修改，也可以使用默认的，这里我改为了D盘，注意新建一个CUDA空文件夹。这是临时解压路径，随便，直接点ok就行，运行完会自动删除的。可以无脑下一步，（或者安装好驱动的可以只安装CUDA）我这里只需要cuda12.6 就没安装其他的版本。对应复制粘贴，cudnn内的所有文件到cuda内。第一个samples是代码样例，我也不需要。这个安装路径一定要记住！其他步骤基本一致，一直下一步，搜索cmd 打开终端输入。安装路径一定要记住！我这里装的是12.6。
2025 CUDA 和 cuDNN 在 Windows 上如何安装配置（保姆级详细版）
最新发布
m0_66434421的博客
04-19 1643
2025 CUDA 和 cuDNN 在 Windows 上如何安装配置（保姆级详细版）。下载 CUDA，CUDA 版本应 ≤ nvidia-smi显示的 Driver API支持的最高版本。这里我选择的是：CUDA 12.4.1 版本， 你们根据自己的需求进行选择。下载完成后点击安装，可以只选择第二个：NVIDIA 图形驱动程序，点击同意并继续。勾选执行清洁安装，点击下一步，等待安装完毕。如果你之前没有安装过显卡驱动，或者用的一直都是原厂安装版本，建议重新安装，更新显卡驱动。
cuDNN安装教程（Windows）
XavierJ的博客
04-25 3万+
简介 NVIDIA CUDA®深度神经网络库（cuDNN）是一个用于深度神经网络的GPU原始加速库。cuDNN 为标准例程（如前向和反后卷积、池化、归一化和激活层）提供了高度调整的实现。世界各地的深度学习研究人员和框架开发人员依靠 cuDNN 获得高性能 GPU 加速。它允许他们专注于培训神经网络和开发软件应用程序，而不是花时间在低级别的GPU性能调整上。cuDNN加速广泛使用的深度学习框架，包括Caffe2、Chainer、Keras、MATLAB、MxNet、PaddlePaddle、PyTorch和T
最详细！Windows下的CUDA与cuDNN详细安装教程
BQ Blog
01-26 7万+
本篇文章将详细从如何安装CUDA与cuDNN开始，到基本配置结束，帮助大家理清配置流程，做好环境配置的基础工作
CUDA与CUDNN在Windows下的安装与配置（超级详细版）
热门推荐
YYDS_WV的博客
04-16 9万+
CUDA以及CUDNN的下载、安装、配置与卸载详细介绍
windows安装cuda与cudnn
qq_58158950的博客
10-16 3858
CUDA必选，点击加号，
Windows查看Cuda、Cudnn版本
xiaoxiaoTeddy的博客
04-18 992
根据自己的显卡型号、显卡驱动版本，安装对应的cuda与cudnn。用Visual Studio打开cudnn_version.h文件。打开cmd，输入nvcc --version。Cudnn版本为8.8.1。进入cuda的安装目录中。
Windows下安装CUDA并配置cuDNN教程
huiyayaya的博客
04-26 1511
1.点击此链接https://developer.nvidia.com/cuda-downloads，进入CUDA下载界面，发现默认下载CUDA最新版本CUDA 11.4，但这个版本并不适合我们，所以我们需要点击右下角的。Installer Type有两个选项，前面是网络安装，后面是本地安装，网络安装就是下载一个很轻巧的工具包，大概20M，如果选择本地安装，就会将所有相关的东西都下载下来，安装过程中无需再次下载，我选择后者。一定要记住这个路径，把这个路径保留下来，后面添加环境变量时，会用到。
win10安装CUDA和cuDNN详解
Roaddd的博客
04-06 2万+
1. 查看本机的CUDA驱动适配版本        桌面右键打开英伟达控制面板，点击帮助->系统信息->组件       可以看到本机支持的是CUDA11.1版本，表示的是不支持更高版本的。如果你升级了驱动，可能会支持更高版本，也可能不会提升。所以就直接安装CUDA11.1就好啦。 2. 下载和安装CUDA 2.1. 下载CUDA 下载地址：https://deve
CUDA、CUDNN在windows下的安装及配置
1900的博客
02-01 4340
目录 一、安装前的准备 （1）查看自己N卡支持的CUDA版本，打开NVIDIA控制面板，选择系统信息 （2）NVIDIA官网下载对应CUDA版本 （3）CUDNN的下载 二、安装过程 （1）安装CUDA （2）配置CUDNN （3）配置环境变量 （4）测试CUDA （5）查询显卡算力 三、TensorFlow 2.0安装与测试 四、可能出现的问题 （1）显卡驱动、CUDA版本不一致的问题，需要按照前面的步骤查看当前显卡驱动所支持的CUDA版本，去NVIDIA官网下载对...
CUDA 和 CUDNN 安装（Windows）
bo的专栏
02-07 217
cuDNN 的核心作用是 通过硬件级优化，将深度学习模型的训练和推理速度提升数倍甚至数十倍，同时降低资源消耗。正文是Windows平台的安装步骤。
Windows环境下CUDA及cuDNN安装及卸载记录
m0_53883779的博客
01-19 5998
nvidia-smi得到合适的安装版本，来到官网选择对应版本。注意只可选择同版本或者低版本。
Windows环境下查看CUDA和cuDNN版本
零碎@流年絮语 的博客
10-28 1617
文章目录查看CUDA和cuDNN版本CUDA版本cuDNN版本 查看CUDA和cuDNN版本 CUDA版本 在cmd中输入nvcc --version即可查看，如下图所示。 cuDNN版本 1.找到CUDA的安装目录，注意：下面目录的v11.2是根据自己的版本来修改 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include 2.打开cudnn_version.h，找到如下的代码段 #define CUDNN_MAJOR 8 #defi
深度学习-第一章-Window下CUDA和CUDNN安装教程
Blueeyedboy521的博客
06-16 1993
windows11 版本安装 CUDA ，首先需要下载两个安装包CUDA：Installation Guide Windows :: CUDA Toolkit DocumentationcuDNN：Installation Guide :: NVIDIA Deep Learning cuDNN Documentation查看支持CUDA的GPU显卡型号：https://developer.nvidia.com/cuda-gpusCUDA的版本选择需要根据电脑GPU的型号来决定，比如是nvidia卡 在电脑桌
windows 安装cudnn
hk121的博客
10-29 1589
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 ----------------...
深度学习环境配置——Windows安装CUDA与CUDNN
tyyhmtyyhm的博客
03-19 1万+
凡事都要有统一和决断，因此成功不站在自信的一方，而站在有计划的一方。--拿破仑
5070ti cuda
04-03
### GeForce GTX 570 Ti 显卡与 CUDA 的兼容性 GeForce GTX 570 Ti 是一款较老的显卡型号，其架构基于 NVIDIA 的 Fermi 架构。该显卡支持的计算能力（Compute Capability）为 **2.0**[^1]。这意味着它能够运行针对 Compute Capability 2.0 编译的 CUDA 应用程序。 对于安装 CUDA 工具包时的选择，需注意不同版本的 CUDA 对应不同的驱动需求以及硬件支持情况。例如，在某些旧版 CUDA 中可能仍然提供对 Compute Capability 2.0 的支持，但在更新版本中可能会移除这种支持。因此建议选择适合的 CUDA 版本来匹配您的硬件配置[^3]。 以下是关于如何设置适用于此类老旧设备的操作指南片段： ```bash cd cuda_installer sudo ./NVIDIA_Linux-x86_64-<driver_version>.run ``` 此命令用于执行 NVIDIA 驱动程序安装脚本。需要注意的是，如果使用较新的 CUDA 安装文件，则对应的驱动版本号也有可能有所变化。 此外还需考虑操作系统环境因素的影响。比如在 Ubuntu 上完成相应准备工作之后再继续操作可以提高成功率。 综上所述，虽然GTX 570 Ti能被部分早期CUDA版本所识别并利用起来做加速运算等工作负载；但由于技术进步迅速加上资源有限等原因使得现代软件开发过程中很少再去专门优化这些过时平台上的表现了——所以实际应用中的效率或许并不理想。 ### 性能评估注意事项 当讨论到具体性能数据方面的时候，应该认识到随着时代发展新推出的GPU产品无论是在核心数量还是频率等方面都有显著提升从而带来更好的体验效果。而像GTX 570Ti这样级别的图形处理器尽管在其发布当时具备一定竞争力但现在看来已经显得力不从心尤其面对深度学习之类高度依赖强大算力的任务场景更是如此[^2]。
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