Windows系统下CUDA、CuDNN、Pytorch的安装、卸载以及安装过程中部分问题的解决

已于 2024-07-29 00:31:44 修改
阅读量1k 收藏 11
点赞数 22
CC 4.0 BY-SA版权
文章标签： windows pytorch 人工智能
于 2024-07-29 00:29:11 首次发布
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/zhangcpdd/article/details/140758593

1、安装背景

需要使用Python做一些深度学习上的应用，已安装Python、Anaconda、2017版VS、2019版VS

（我要安装的CUDA版本是12版本往后的版本，部分操作可能与12版本之前的安装操作不同）

2、CUDA的安装

首先需要确定自己电脑能安装哪个版本的CUDA

通过英伟达控制面板查看能安装CUDA的最高版本

然后根据版本去CUDA官网点击对应的下载链接

CUDA下载官网

这里一般选择本地下载（local），下载好后，运行exe，具体步骤可看下面这篇文章的第二部分：

CUDA安装详细步骤

3、CuDNN的下载

CuDNN版本要与CUDA版本对应，这里我CUDA-12.4版本选用的是CuDNN-9.1.0版本，CUDA-12.3版本选用的是CuDNN-8.9.7版本

以下是CuDNN的官方下载地址：

CuDNN官网下载地址

4、CuDNN安装以及相关环境配置

可参考以下文章进行CuDNN安装以及环境的配置：

环境配置

5、Pytorch安装

Pytorch的版本要注意与CUDA版本对应，可以去官网复制粘贴安装命令，并在Anaconda中的目标虚拟环境中运行：

Pytorch下载

在Pytorch官网里面有让你选择Compute Platform的选项，一般只有CUDA12.1和12.4的选项，实际上，如果你的CUDA是12.3版本的，那么你可以选择Compute Platform为12.1

6、安装问题（待补充）

问题一：因为Nsight Compute安装失败而导致的CUDA安装失败

这个问题我在CUDA12.4版本安装中遇到过，解决办法就是单独下载这个模块，然后再运行CUDA的安装程序，在自定义安装中把把模块取消掉（因为已经下载过了），具体操作步骤可看下面这篇文章：

Nsight Compute安装失败的一个方法

7、卸载

有的时候会因为版本冲突的原因，需要对CUDA或者Pytorch更换版本，下面简单介绍如何对它们进行卸载重装。

CUDA卸载及重装

在“控制面板中”点击“卸载程序”，然后搜素“cuda”，将相关程序卸载即可

重装的时候在CUDA的安装运行程序中，在自定义安装里面，只需勾选“CUDA”即可

Pytorch卸载

在Anaconda的目标虚拟环境中运行

pip uninstall torch

【学习笔记5】Linux下cuda、cudnn、pytorch版本对应关系
longii11的博客
04-28 3810
NVIDIA CUDA Toolkit （CUDA）为创建高性能 GPU 加速应用程序提供了一个开发环境。借助 CUDA 工具包，您可以在 GPU 加速的嵌入式系统、桌面工作站、企业数据中心、基于云的平台和 HPC 超级计算机上开发、优化和部署您的应用程序。该工具包包括 GPU 加速库、调试和优化工具、C/C++ 编译器以及用于部署应用程序的运行时库。重新新建环境，安装cuda11版本的包和对应的pytorch。说明cuda、cudnn版本是对应的，没有问题。六个cuda版本，目前在用的是。
环境配置—Cuda和Cudnn版本对应关系
热门推荐
算法之美
04-16 4万+
环境配置—Cuda和Cudnn版本对应关系
【环境搭建】卸载&重新安装cuda+cudnn+anaconda+gpu版pytorch
明月下
03-13 1万+
卸载&重新安装cuda+cudnn+anaconda+gpu版pytorch
Cuda与cudnn对应关系
weixin_43499979的博客
04-16 1万+
Cuda与cudnn对应关系 Cuda和cudnn是支持NVIDIA支持GPU的两个库，分别用于高性能计算和深度神经网络计算的支持。 Cuda（Compute Unified Device Architecture），是NVIDIA支持GPU的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。可以看作使能GPU的驱动程序或算法SDK。 cudnn是基于Cuda的深度学习GPU加速库，有了它可以在GPU上完成高效的深度学习计算。 Cuda历史版本下载地址： https://developer.nvidi
CUDNN与CUDA的对应关系
weixin_40258368的博客
12-20 1236
cuda+cudnn+pytorch安装与卸载
zacharyzqc的博客
04-16 1212
1.cuda下载地址：https://developer.nvidia.com/zh-cn/cuda-downloads?target_os=Linux 2.cuda卸载，注意版本号要改对，第一条执行完命令行会提示卸载成功，第二条是删除残余文件 sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl sudo rm -rf /usr/local/cuda-8.0/ 3.cudnn卸载 sudo rm -rf /usr/local/cuda/i
记录cuda、cudnn卸载重装，并安装pytorch和pyg（windows系统下）
Anthony的博客
11-08 5255
cuda、cudnn、PyTorch、PyG安装笔记
ubuntu18.04 python3.8 CUDA11.4 PYTorch1.13.1 tensorrt8.4安装测试全过程
06-28
以上步骤详细介绍了如何在 Ubuntu 18.04 系统上安装和配置 Python 3.8、CUDA 11.4、PyTorch 1.13.1、TensorRT 8.4.3.1 及其相关组件的过程。这些组件是深度学习开发的重要工具，正确地安装它们将有助于后续的工作...
（入门深度学习）二、安装cuda、cudnn与pytorch(避雷版)
m0_53065609的博客
03-10 4443
安装配置anaconda后（前一章），该配置pytorch 先安装conda cuda ，因为电脑中已经有了，所以直接用conda创建虚拟环境 激活虚拟环境，但尝试失败，出现了如下问题： Solving environment: failed with initial frozen solve. Retrying with flexible solve. 查了半天解决办法，无法解决 后来才发现 ，本电脑中没有英伟达显卡，相当于GPU作废 不能用GPU学深度学习。好吧 ，那只能从GPU转到CPU咯
ubuntu系统安装cuda、cudnn、pytorch、libtorch、TensorRT
jjjqqq123321的博客
04-08 1397
ubuntu系统安装pytorch和libtorch
ubuntu14.04 64位 的cudnn6.0版本，对应的cuda版本是8.0
12-02
ubuntu14.04 64位 的cudnn6.0版本，对应的cuda版本是8.0
各种版本的cuda和cudnn
11-13
为了方便快速下载不同版本的cuda以及对应的cudnn，我将不同版本的上传到了百度云里，方便大家下载。里面有： cuda9.0+对应的cudnn7 cuda9.2+对应的cudnn7.6.5 cuda10.0+对应的cudnn7.6.5 cuda8.0+对应的cudnn6.0
cudnn8.9.7 for cuda11.x
08-29
cudnn8.9.7 for cuda11.x，深度学习必要的驱动
tensorflow 各个版本的 CUDA 以及 Cudnn 版本对应关系
鳄鱼儿
06-29 1496
本文由 简悦 SimpRead 转码， 原文地址 blog.csdn.net tensorflow 各个版本的 CUDA 以及 Cudnn 版本对应关系 一、tensorflow 各个版本需要的 CUDA 版本以及 Cudnn 的对应关系 二、CUDA 与相对应的 Cudnn 对应关系 三、NVIDIA 显卡以及对应的显卡驱动的对应关系 概述，需要注意以下几个问题： （1）NVIDIA 的显卡驱动程序和 CUDA 完全是两个不同的概念哦！CUDA 是 NVIDIA 推出的用于自家 GPU 的并行计算.
【最新】cuda和cudnn和显卡驱动的对应关系
tortorish的博客
07-26 1205
最新，cuda，cudnn和显卡驱动的对应关系
【装载】tensorflow cuda 和cudnn 对应版本
君莫笑
12-15 304
Tensorflow不同版本要求与CUDA及CUDNN版本对应关系  
GPU对应的cuda以及cuDNN驱动安装
sslfk的博客
01-26 8262
1、查看自己的cuda版本：查看方法，sudo cat /usr/local/cuda/version.txt 2、查看系统版本：lsb_release -a 系统内核版本查看：uname -a 2、安装对应的cuDNN，安装路径以及版本对应关系：cuDNN Archive | NVIDIA Developer（必须注册登录才可以）安装可以参考：cuDNN的安装（版本选择， Runtime 还是 Developer） - 灰信网（软件开发博客聚合）我是使用qq邮箱和对应的密码进行注册 ...
显卡nvidia的CUDA和cuDNN的安装
TracyGC的博客
06-20 4344
如果是第n次安装，尽量只选择第一个CUDA，不然会出现错误。如果电脑上没有安装vs，需要把CUDA里面的Visual Studio Integration取消勾选，否则会安装不成功。但最好是一般都需要安装完vs再安装CUDA选择默认位置.只要版本对应CUDA就比较好安装，最主要还是要看VS/CUDA/cuDNN以及电脑本身显卡版本的匹配。
NVIDIA显卡驱动、CUDA、cuDNN 和 TensorRT 版本匹配指南
深之JohnChen的专栏
03-09 1万+
1）NVIDIA 显卡驱动需满足 CUDA 工具包的最低要求，例如 CUDA 11.8 需驱动版本 ≥515.43.04，CUDA 12.x 需驱动 ≥535.54.03‌。‌CUDA 与 cuDNN‌：需严格匹配，例如 CUDA 11.8 对应 cuDNN 8.6.0，CUDA 12.2 对应 cuDNN 8.9.0‌。‌显卡算力与CUDA版本的关系主要体现在显卡的Compute Capability（算力）决定了支持的CUDA版本。，输入显卡型号和操作系统类型，选择≥目标CUDA版本要求的驱动版本‌。
window10 cuda卸载，cudnn卸载，pytorch卸载
最新发布
04-18
<think>好的，我现在需要帮用户解决如何在Windows 10上卸载CUDA、CuDNN和PyTorch的问题。首先，我得回顾用户提供的引用内容，看看有没有相关的卸载步骤。引用[2]提到用户在安装CUDA 10.2之前已经安装了CUDA 8.0，并考虑卸载旧版本或者让它们并存。这说明卸载CUDA是可行的，但具体怎么做呢？ 用户可能希望完全删除这些组件，避免残留文件影响后续安装。我需要分步骤说明卸载过程，每个部分（CUDA、CuDNN、PyTorch）分别处理。 首先，CUDA的卸载。根据引用[2]和[4]，CUDA在Windows上通常通过控制面板的程序和功能来卸载。用户需要找到所有带有NVIDIA CUDA的条目，逐个卸载。可能需要重启，这点要提醒用户。此外，可能还需要手动删除残留文件，比如安装目录和系统变量，但这一步需要谨慎，避免误删系统文件。 然后是CuDNN的卸载。引用[1]和[2]提到CuDNN是作为库文件手动复制到CUDA目录中的，所以卸载时可能需要手动删除这些文件。用户需要定位到CUDA安装路径下的对应文件夹，删除相关的bin、include、lib目录中的CuDNN文件。这里要给出具体路径示例，比如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X，并提醒不同版本路径不同。 接下来是PyTorch的卸载。根据引用[1]和[4]，PyTorch可以通过pip或conda卸载。如果用户用pip安装的，使用pip uninstall torch；如果是conda，则用conda remove。可能需要同时卸载torchvision、torchaudio等依赖包。此外，还要检查环境变量和缓存，比如site-packages目录是否有残留。 另外，用户可能遇到卸载后安装新版本的问题，比如CUDA版本与PyTorch的兼容性，如引用[4]提到的PyTorch可能支持较新的CUDA版本，但需要选择正确的计算平台。卸载旧版本后，安装新版本时需要参考PyTorch官网的版本对应关系，如引用[1]中的链接。 用户可能的问题还包括卸载过程中出现的错误，比如引用[4]提到的Nsight Compute安装失败导致CUDA安装失败。虽然这是安装问题，但说明NVIDIA相关组件可能有依赖关系，卸载时也要注意是否完全移除所有相关组件。 最后，确保用户了解卸载后的验证步骤，比如检查CUDA是否还在命令行中响应，PyTorch是否无法导入等。可能还需要指导用户如何清理环境变量，避免旧路径残留导致问题。 总结步骤：分三个部分卸载，每个部分详细步骤，注意事项，验证方法。同时生成相关问题，帮助用户处理后续可能的问题，比如残留文件处理、安装新版本时的兼容性等。</think>### 分步卸载指南（Windows 10） #### **一、卸载CUDA** 1. **通过控制面板卸载** - 打开`控制面板 > 程序和功能` - 找到所有以`NVIDIA CUDA Toolkit`开头的条目（如`NVIDIA CUDA 11.6`、`NVIDIA CUDA 12.3`等） - 右键逐个选择`卸载`，按提示完成操作[^2][^4] - 重启系统 2. **清理残留文件（可选）** - 删除CUDA安装目录（默认路径：`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA`） - 删除环境变量： 在系统变量中移除`CUDA_PATH`和`CUDA_PATH_VX_X`（如`CUDA_PATH_V11_6`）[^4] --- #### **二、卸载cuDNN** cuDNN是手动复制到CUDA目录的库文件，需手动删除： 1. 进入CUDA安装目录（如`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X`） 2. 删除以下目录中的cuDNN文件： - `bin\cudnn*.dll` - `include\cudnn*.h` - `lib\x64\cudnn*.lib`[^1][^2] --- #### **三、卸载PyTorch** 根据安装方式选择对应命令： 1. **通过pip安装** ```bash pip uninstall torch torchvision torchaudio ``` 2. **通过conda安装** ```bash conda remove pytorch torchvision torchaudio ``` 3. **清理残留文件** - 检查`Anaconda3\envs\<环境名>\Lib\site-packages`或`PythonXX\Lib\site-packages`，删除残留的`torch`文件夹[^1][^4] --- #### **验证卸载结果** 1. **CUDA验证** - 命令行输入`nvcc --version`，若提示命令不存在则卸载成功 2. **PyTorch验证** - 运行Python并输入`import torch`，若报错则已卸载 ---
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