Win10卸载CUDA 10.2

最新推荐文章于 2024-04-07 10:02:45 发布
原创 最新推荐文章于 2024-04-07 10:02:45 发布 · 6.6k 阅读 · 29 ·
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。
文章标签：

#CUDA

部署运行你感兴趣的模型镜像

控制面板中打开程序→程序和功能
在这里插入图片描述
留下：
NVIDIA HD音频驱动程序
NVIIDA PhysX系统软件
NVIDIA 图像驱动程序
上面的截图，我在安装时 没有勾选NVIDIA GeForce Experience，如果勾选了的话也不要卸载。

最后用CCleaner或者腾讯电脑管家……来清理下注册表，防止意外。

再重装CUDA就可以了。
Win10安装CUDA 10.2

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

CUDA的卸载
假技术Po主
02-27 1万+
CUDA卸载的详细教程，等您来拿哦~
Win10卸载cuda10.0，重装cuda11.0
Nan_Feng_ya的博客
05-05 2055
Win10卸载cuda10.0，重装cuda11.0
CUDA10安装与卸载，CUDA10.2与MMSEG安装
Mike
04-07 820
cuda10安装步骤 cuda10.2安装步骤 mmseg安装步骤
Windows下卸载CUDA10.2
L802380230的博客
01-13 4697
1.打开电脑控制面板——程序——卸载程序 2.剩下以下四个就可以，其余都卸载掉。 3.打开电脑管家或其他杀毒软件垃圾扫描下，清理下电脑，主要是清理注册表。
CUDA卸载&&重装
热门推荐
weixin_44606139的博客
10-24 7万+
CUDA卸载&&重装
win10安装cuda10.2+tensorflow-GPU 1.14.0
weixin_45674216的博客
04-14 5864
一、问题提出 之前写好的代码都是基于tensorflow 1.14.0的，在自己笔记本上跑太慢了，所以搬到服务器去跑。但是一个很现实的问题就是服务器的CUDA是10.2的，因为服务器有很多人在用，其他人用的是10.2的，而tensorflow 1.14.0对应的CUDA版本是10.0的，我也不太可能去卸载了去重新装一个CUDA，在tensorflow的安装过程中不会出现大的问题，但是在后面运行的时候会报错，会提示找不到：cudart64_100.dll文件，看名称就可以看得出来是64位10.0版本的CUD
机械革命3060 win10 离线安装&卸载cuda11.1、cudnn、anaconda pytorch环境全纪录
Xunuo1995的博客
10-08 2737
电脑型号：机械革命X8PRO 3060 系统:win10 ubuntu 前言： 之前的系统是win10和u的双系统，u不怎么用空占内存，还有就是因为在win10中yolo模型出现bud导致系统硬盘全慢，所以就更下定决心重做系统，双系统恢复成win10废了好大的功夫，后在实验室的同学帮助下安装的win10专业版。本文想复现的是yolov5 pytorch环境，但是走了四五天的弯路，一周的功夫都在卸载安装图像驱动、cuda、以及cudnn，很多网上的方法都是挂梯子和换源但是并不好用，所以文章记录的都是离线安装，
win10 GTX1050配置VS19+CUDA10.2+CUDNN
MRCEHN的博客
04-05 2377
需要注意的前提条件 我做了这几个先验条件，全程安装没有踩到bug，很顺利~ 1. 需要卸载显卡驱动：link 2. 有以前的CUDA版本的话需要卸载，在控制面板-卸载程序中， 清除带有CUDA的所有东西、 再清除除了NVIDIA 图形驱动程序、NVIDIA PhysX 系统软件、NVIDIA GeForce Experience（只保留这三个）之外的NVIDIA的东西 3.需要删除以前...
CUDA的卸载（v10.0）与安装（v10.2）
weixin_43328816的博客
07-13 1万+
CUDA的安装与卸载
Jeston nano配置（三）卸载cuda10.2安装cuda9 并安装tensorflow-gpu
m0_46519541的博客
05-08 4730
jetson nano 安装基于python2.7的tensorflow-gpu
CUDA安装与卸载
洪流之源
11-01 1173
CUDA安装与卸载。
Windows环境下CUDA及cuDNN安装及卸载记录
m0_53883779的博客
01-19 6393
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。
超详细记录windows下cuda10.2，cudnn7.6.5，tensorflow-GPU-1.11安装与卸载，并在pycharm中配置
qq_44961737的博客
07-26 2502
超详细记录安装tensorflow，以及安装过程中的一些错误！
重装vs后，cuda重新配置
qq_35608277的博客
05-02 1938
无cuda项目 解决办法 https://blog.csdn.net/u010724874/article/details/89578558 卸载cuda https://blog.csdn.net/weixin_42631693/article/details/103795371 下载cuda9 cudnn7.6 https://developer.nvidia.com/cuda-90-down...
Ubantu系统下cuda10.0安装及卸载中的问题，以及多版本cuda安装思路
SosoIrving’ space
07-01 1859
Linux系统下cuda安装及卸载中的问题1.安装cuda10.0测试cuda是否成功：2.安装cuDNN3注:references插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入...
windows10操作系统下安装和卸载cuda
weixin_42779620的博客
07-25 2165
windows10操作系统下安装和卸载cudaCudnn各版本下载地址Cuda各版本下载地址。
win10下CUDA版本卸载与更新
qq_29960631的博客
08-15 1万+
windows环境下的CUDA版本的卸载与更新，有时候安装不对应的cuda版本，需要卸载重装，但又不知道哪些是与cuda相关的，本文提供一种参考
2021-05-28
qq_41302492的博客
05-28 840
Win10系统卸载cuda10.0一卸载二清理注册表三删除文件夹 一卸载 打开控制面板，按如图所示，红色标注的全部卸载 上面的截图，我在安装时 没有勾选NVIDIA HD音频驱动程序，如果勾选了的话也不要卸载 二清理注册表 用360安全卫士即可 三删除文件夹 ...
windows10操作系统下卸载和安装cuda
Major_S的博客
09-10 2185
cuda
cuda10.2下载GPU版本pytorch
最新发布
10-11
<think>我们正在为CUDA 10.2环境安装GPU版本的PyTorch。根据引用内容，我们需要选择与CUDA 10.2兼容的PyTorch版本。 从引用中我们可以得到以下信息： - 引用[1]：使用PyTorch 1.7.1 + torchvision 0.8.2，对应CUDA 10.2（cu102）和Python 3.8（cp38） - 引用[2]：CUDA 10.2最新支持到PyTorch 1.10.0 + torchvision 0.11.0 + torchaudio 0.10.0 - 引用[3]：使用PyTorch 1.10.1 + torchvision 0.11.2 + torchaudio 0.10.1 - 引用[4]：使用PyTorch 1.9.0 + torchvision 0.10.0 + torchaudio 0.9.0 因此，我们可以选择安装以下组合之一（建议选择较新的版本，但需注意Python版本）： 1. PyTorch 1.10.1 + torchvision 0.11.2 + torchaudio 0.10.1 2. PyTorch 1.10.0 + torchvision 0.11.0 + torchaudio 0.10.0 3. PyTorch 1.9.0 + torchvision 0.10.0 + torchaudio 0.9.0 步骤： 1. 创建并激活conda虚拟环境（推荐Python版本3.7或3.8，因为PyTorch的预编译包通常支持这些版本） 2. 使用pip安装，因为conda可能无法正确安装GPU版本（引用[3]提到conda可能安装成CPU版本） 3. 从PyTorch官方历史版本页面下载对应的wheel文件，或者直接使用pip命令指定版本和下载地址 具体安装命令（以Python 3.8为例）： 对于PyTorch 1.10.1: ``` pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html ``` 对于PyTorch 1.10.0: ``` pip install torch==1.10.0+cu102 torchvision==0.11.0+cu102 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html ``` 对于PyTorch 1.9.0: ``` pip install torch==1.9.0+cu102 torchvision==0.10.0+cu102 torchaudio===0.9.0 -f https://download.pytorch.org/whl/torch_stable.html ``` 验证安装： 安装完成后，在Python环境中运行以下代码验证： ```python import torch print(torch.__version__) # 应显示例如1.10.1+cu102 print(torch.cuda.is_available()) # 应返回True ``` 注意：如果使用的是其他Python版本（如3.7），需要将上述命令中的cp38改为cp37（在下载链接中会自动适配，因为命令中指定了版本号，所以pip会自动选择对应的wheel）。 然而，我们也可以直接使用上述pip命令，因为-f参数指定了索引URL，pip会自动下载匹配的版本（包括Python版本和操作系统）。 因此，我们给出一个通用的安装步骤： ### 安装步骤 1. **创建并激活conda虚拟环境**（如果已有环境可跳过）： ```bash conda create -n pytorch_gpu python=3.8 # 或3.7 conda activate pytorch_gpu ``` 2. **安装PyTorch GPU版本**（以1.10.1为例）： ```bash pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html ``` 3. **验证安装**： ```bash python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())" ``` 如果输出类似以下内容，则安装成功： ``` 1.10.1+cu102 True ``` 注意：如果安装过程中遇到网络问题，可以尝试使用国内镜像源，例如： ```bash pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple ``` 引用[3]和[4]都提到了安装cudnn，但PyTorch的wheel文件通常已经包含了所需的CUDA和cuDNN，因此不需要单独安装cuDNN（除非你有其他需求）[^3][^4]。 但是，请确保系统已经正确安装了CUDA 10.2和对应的显卡驱动（可通过`nvidia-smi`命令查看CUDA版本）。注意：`nvidia-smi`显示的CUDA版本是驱动支持的最高版本，而实际使用的是安装的CUDA Toolkit版本（这里是10.2）[^5]。 ### 常见问题 - **问题1**：如果安装后`torch.cuda.is_available()`返回False，可能原因有： - 系统CUDA环境变量未正确设置（确保安装的CUDA版本为10.2，且环境变量PATH中包含CUDA的bin目录） - PyTorch版本与CUDA版本不匹配 - 显卡驱动不支持CUDA 10.2（更新显卡驱动） - **问题2**：如果pip安装时找不到匹配的版本，请检查Python版本和操作系统（32位/64位）是否正确。PyTorch要求64位操作系统。 总结：按照上述步骤，您应该能够成功安装适用于CUDA 10.2的GPU版PyTorch。 §§相关问题§§ 1. 如何检查PyTorch是否在使用GPU加速？ 2. PyTorch不同版本与CUDA版本的对应关系是什么？ 3. 如何在Windows系统中配置CUDA环境变量？ </think>### CUDA 10.2 GPU版PyTorch安装指南 根据您的需求，以下是适用于CUDA 10.2的GPU版PyTorch安装步骤： #### 🔧 步骤1：创建Python虚拟环境 ```bash conda create -n pytorch_gpu python=3.8 # 推荐Python 3.7/3.8 conda activate pytorch_gpu ``` #### ️ 步骤2：选择PyTorch版本组合（任选其一） | PyTorch版本 | Torchvision版本 | Torchaudio版本 | 安装命令 | |------------|----------------|----------------|---------| | `1.10.1+cu102` | `0.11.2+cu102` | `0.10.1+cu102` | `pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html` [^3] | | `1.10.0+cu102` | `0.11.0+cu102` | `0.10.0+cu102` | `pip install torch==1.10.0+cu102 torchvision==0.11.0+cu102 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html` [^2] | | `1.9.0+cu102` | `0.10.0+cu102` | `0.9.0` | `pip install torch==1.9.0+cu102 torchvision==0.10.0+cu102 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html` [^4] | #### ✅ 步骤3：验证安装 ```python import torch print(f"PyTorch版本: {torch.__version__}") print(f"CUDA可用: {torch.cuda.is_available()}") print(f"CUDA版本: {torch.version.cuda}") print(f"GPU设备: {torch.cuda.get_device_name(0)}") ``` 预期输出： ``` PyTorch版本: 1.10.1+cu102 CUDA可用: True CUDA版本: 10.2 GPU设备: NVIDIA GeForce RTX 3080 ``` #### 💡 注意事项 1. CUDA 10.2支持的最高PyTorch版本为1.10.x，新版PyTorch不再支持CUDA 10.2[^2] 2. 安装前确认系统CUDA版本： ```bash nvidia-smi # 查看支持的CUDA最高版本 nvcc --version # 查看实际安装的CUDA版本 ``` 3. 若安装CPU版本，需彻底卸载后重装： ```bash pip uninstall torch torchvision torchaudio pip cache purge ``` #### 🌐 手动下载地址 前往[PyTorch历史版本库](https://download.pytorch.org/whl/torch_stable.html)搜索： - `cu102` (CUDA 10.2) - `cp38` (Python 3.8) - `win_amd64` (Windows系统) 例如： ``` https://download.pytorch.org/whl/cu102/torch-1.10.1%2Bcu102-cp38-cp38-win_amd64.whl ```
评论 1
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