摘要:搭建Windows系统下Cuda+CUDNN环境,注意C盘一定要大,建议1T+SSD
参考:
https://blog.csdn.net/weixin_61164016/article/details/127564466
https://blog.csdn.net/qq_43308156/article/details/127479544
https://blog.csdn.net/weixin_45068330/article/details/121241867
0、CUDA简介
随着显卡的发展,GPU越来越强大,而且GPU为显示图像做了优化。在计算上已经超越了通用的CPU。如此强大的芯片如果只是作为显卡就太浪费了,因此NVIDIA推出CUDA,让显卡可以用于图像计算以外的目的。
1、检查本地环境
检测本地CUDA环境有两种方式:
nvcc -V
与
nvidia-smi
通常来说两个命令所得到的结果是不同的,显示的cuda版本不同,如下图:
CUDA有两个主要的API,runtime API(nvcc -V 显示的cuda)和driver API(nivdia-smi中显示的cuda),两者都有相应的版本(例如8.0、9.0等)。对driver API的必要支持(e.g. libcuda.so on linux),是由GPU驱动安装程序安装的。对runtime API(e.g. libcudart.so on linux, and also nvcc)的必要支持,是由CUDA工具包安装程序安装的。
因为由CUDA toolkit安装的cuda编译-驱动工具nvcc,总是会报告cuda运行时版本。nvcc不知道系统安装了什么驱动版本,甚至不知道系统是否安装了GPU驱动。
所以,这两个版本不必完全相同,因为它们反映了两种不同的cuda API。而且在大多数情况下,nvidia-smi报告的cuda版本在数值上等于或高于nvcc -V报告的cuda版本。
总结来说,driver API(nvidia-smi)显示的版本是系统运行或游戏使用的CUDA驱动,是给显卡本身用的,而runtime API(nvcc -V)显示的版本,是深度学习服务可用的CUDA环境,通常来说,driver API(nvidia-smi)显示的版本必须 >= runtime API(nvcc -V)显示的版本,也就是说,driver API可以尽量安装最新版本,而runtime API根据需要来安装版本即可。
2、下载CUDA、CUDNN
访问英伟达网站 https://www.nvidia.cn/geforce/drivers/ 下载CUDA工具包。(前面查看了你的设备最高支持的版本,只要版本比这个低就行了)
访问 https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10 下载CUDNN环境。
此处提供CUDA11.7及对应CUDNN百度网盘地址:
CUDA:https://pan.baidu.com/s/1Ol4SAGHy7weaaXwaItR2hw?pwd=jzrn
CUDNN: https://pan.baidu.com/s/1Exq6AY2Ey2ZH3nStVRyBjQ?pwd=0ajm
3、安装CUDA及CUDNN
CUDA下载后建议全部下一步安装,此处CUDA会占用C盘5G左右空间。
CUDA安装后,会自动建立2个环境变量,如下图,如果没有自动建立,手工建立即可
手工建立以下环境变量
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.7
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
手工将以下环境变量添加到Path中:
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64
下载cudnn后直接将其解开压缩包,然后需要将解压后的bin,include,lib文件夹复制粘贴到cuda安装时的默认路径文件夹下(比如我的是在:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2 )
注意是把整个文件夹复制(bin,include,lib)
使用以下命令测试安装是否成功:
nvcc -V
4、安装Pytorch
pytorch镜像下载链接: https://download.pytorch.org/whl/torch_stable.html
下载相关版本pytorch与torchvision
- cu后面的表示cuda版本(例如:cu116对应cuda116版本)
- cp后面表示python版本(例如:cp39对应python3.9)
- win_amd64对应系统版本
此处提供1.7.0版本百度网盘地址: https://pan.baidu.com/s/1qzJ203Gn6Qyy6nCnv4eu6g?pwd=hyiq
下载whl文件后,使用pip安装,先安装pytorch再安装torchversion
安装完成后查看是否安装成功
python
import torch
torch.cuda.is_available()
出现以下结果代表安装成功:
标签:11,nvcc,Windows10,CUDNN,API,CUDA,版本,安装,cuda From: https://www.cnblogs.com/jinyuanbao/p/17710712.html