【CUDA】cuda安装 (windows版)

本文详细介绍了在Windows 10系统上安装CUDA和cuDNN的过程,包括下载安装包、配置环境变量及验证安装是否成功的方法。
部署运行你感兴趣的模型镜像

本次安装参考了网上许多教程,结合自己的需求与理解,写下此篇博客,仅做本人总结使用。。

一、前言

windows10 版本安装 CUDA ,首先需要下载两个安装包

  • CUDA toolkit(toolkit就是指工具包)
  • cuDNN

注:cuDNN 是用于配置深度学习使用

官方教程

CUDA:https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html

cuDNN:https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows

二、安装工具的准备

1. CUDA toolkit Download

https://developer.nvidia.com/cuda-toolkit-archive

官网安装:

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64

在这里插入图片描述

在这里插入图片描述

GA = General Availability,通用版本,指软件的通用版本。
RC=Release Candidate,含义 是"发布候选版",它不是最终的版本,而是最终版(RTM=Release To Manufacture)之前的最后一个版本
在这里插入图片描述
官网说明文档,
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

在这里插入图片描述

CUDA的版本是跟显卡型号有关还是驱动有关?

一般是驱动版本决定了能用的CUDA版本的上限,比如新版的显卡驱动可以支持老的CUDA runtime。但是老的显卡可能无法更新到最新的显卡驱动,比如Fermi显卡只能装到391驱动,因此只能用到CUDA9.1。除此之外,显卡硬件与CUDA compute capability相关,当然编译时也可以指定streaming multiprocessor。新的架构支持更多特性就是了。

最终本人下载的

在这里插入图片描述

2. cuDNN Download

cuDNN地址如下,不过要注意的是,我们需要注册一个账号,才可以进入到下载界面。大家可以放心注册的。

https://developer.nvidia.com/rdp/cudnn-download

在这里插入图片描述

注册成功后的下载界面

在这里插入图片描述

可以使用下面网址,查看适配的 cuDNN

https://developer.nvidia.com/rdp/cudnn-archive

在这里插入图片描述

在这里插入图片描述

本人下载的版本如下:

在这里插入图片描述

三、 CUDA 安装与配置过程

  1. 双击“exe文件”,选择下载路径(推荐默认路径)

在这里插入图片描述

  1. 安装选项

如果你是第一次安装,尽量全选
如果你是第n次安装,尽量只选择第一个,不然会出现错误

在这里插入图片描述

不要选Visual Studio Integration,即使选了也不能成功安装

在这里插入图片描述
如果本机的驱动版本(当前版本)小于cuda对应的版本(新版本),则选择,否则不选。如果当前版本小于新版本,并且不覆盖安装,之后电脑会频繁蓝屏或死机

  1. 记住安装位置,tensorflow要求配置环境

在这里插入图片描述

重点提醒:一定要记住这个路径,把这个路径保留下来,后面我们还会用到!!!

  1. 安装进行
    在这里插入图片描述
    在这里插入图片描述

在这里插入图片描述

  1. 安装完成

在这里插入图片描述

查看系统变量中是否添加了路径,如果没有需要自己添加

在这里插入图片描述

测试环境是否安装成功

运行cmd,输入nvcc --version 即可查看版本号;
set cuda,可以查看 CUDA 设置的环境变量。

nvcc --version
set cuda

在这里插入图片描述

在这里插入图片描述

四、cuDNN配置

1.解压

cuDNN叫配置更为准确,我们先把下载的 cuDNN 解压缩,会得到下面的文件:

  1. cuDNN 解压缩后的文件
    在这里插入图片描述

下载后发现其实cudnn不是一个exe文件,而是一个压缩包,解压后,有三个文件夹,把三个文件夹拷贝到cuda的安装目录下

CUDA 的安装路径在前面截图中有,或者打开电脑的环境变量查看,默认的安装路径如下:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

后面那个v11.1是你自己的版本号

  1. CUDA 安装目录文件:
    在这里插入图片描述
    拷贝时看到,CUDA 的安装目录中,有和 cuDNN 解压缩后的同名文件夹,这里注意,不需要担心,直接复制即可。cuDNN 解压缩后的同名文件夹中的配置文件会添加到 CUDA安装目录中的同名文件夹中。

  2. 拷贝成功后的文件
    在这里插入图片描述

现在大家应该可以理解,cuDNN 其实就是 CUDA 的一个补丁而已,专为深度学习运算进行优化的。然后再参加环境变量

2.添加至系统变量
  1. 往系统环境变量中的 path 添加如下路径(根据自己的路径进行修改)
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\libnvvp
  1. 验证安装是否成功

配置完成后,我们可以验证是否配置成功,主要使用CUDA内置的deviceQuery.exe 和 bandwidthTest.exe:
首先win+R启动cmd,cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:

在这里插入图片描述

在这里插入图片描述

参考博客:

https://blog.youkuaiyun.com/mao_hui_fei/article/details/104246466

https://www.pianshen.com/article/8647746165/

https://blog.youkuaiyun.com/weixin_45494025/article/details/100746025

https://blog.youkuaiyun.com/u011473714/article/details/95042856

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

06-18
### CUDA 安装配置使用指南 CUDA(Compute Unified Device Architecture)是 NVIDIA 推出的并行计算平台和编程模型,允许开发者利用 GPU 的强大计算能力来加速应用程序。以下是关于 CUDA 安装、配置及使用的详细指南。 #### 1. 确认系统需求 在安装 CUDA 之前,需要确认计算机是否满足以下条件: - **GPU 支持**:确保计算机配备了支持 CUDA 的 NVIDIA GPU[^1]。 - **驱动本**:安装与所选 CUDA 本兼容的 NVIDIA 驱动程序。例如,CUDA 10.1 需要至少 418.39 本的驱动程序[^2]。 - **操作系统**:CUDA 支持 Windows、Linux 和 macOS。根据操作系统的不同,下载对应的安装包。 #### 2. 下载 CUDA 工具包 从 NVIDIA 官方网站下载适合的操作系统和本的 CUDA 工具包。例如,对于 Windows 10 用户,可以选择 `cuda_10.1.168_425.25_win10.exe` 安装包[^2]。 #### 3. 安装 CUDA 安装 CUDA 时,建议选择“自定义”安装选项,而不是默认的“精简”模式。自定义安装可以避免不必要的组件覆盖现有驱动,并允许手动选择需要安装的工具包[^3]。 #### 4. 配置环境变量 安装完成后,需要正确配置环境变量以确保系统能够识别 CUDA。以下是以 Windows 系统为例的配置步骤: - **新建系统变量**:添加以下五个系统变量[^3]: - `CUDA_BIN_PATH`:`%CUDA_PATH%\bin` - `CUDA_LIB_PATH`:`%CUDA_PATH%\lib\Win64` - `CUDA_SDK_BIN`:`%CUDA_SDK_PATH%\bin\Win64` - `CUDA_SDK_LIB`:`%CUDA_SDK_PATH%\common\lib\Win64` - `CUDA_SDK_PATH`:`C:\cuda\cudasdk\common` #### 5. 测试安装 完成安装和配置后,可以通过以下方法验证 CUDA 是否成功安装: - 在 Visual Studio 中创建一个简单的 CUDA 项目,并运行测试代码[^3]。 - 使用 Python 库如 PyTorch 或 TensorFlow 检查 GPU 是否可用。例如,在 PyTorch 中运行以下代码以检查 CUDA 可用性: ```python import torch print(torch.cuda.is_available()) ``` #### 6. 注意事项 - **本一致性**:确保所有相关软件(如 Python、PyTorch、TensorFlow 等)与 CUDA 本兼容。例如,PyTorch 1.5.0 通常需要 CUDA 10.2[^4]。 - **驱动更新**:如果遇到兼容性问题,尝试更新或降级 NVIDIA 驱动程序以匹配 CUDA 本。 --- ###
评论 135
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

何为xl

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