CUDA下载及安装
下载显卡驱动
进入之后点画圈的地方,然后打开下载的文件,会帮你自动下载和安装适配你显卡的驱动程序(这里不是特别重要,就简单带过)
点击桌面左下角小箭头,出现花圈的标志,也就是英伟达的logo,说明驱动安装成功
安装CUDA
接下来到了重头戏,cuda的安装
查看本机对应的cuda版本
点击刚刚的logo,会打开这样一个页面
点击系统信息-->组件(画圈的位置就是对应的cuda版本)
下载cuda
选择对应的版本,点击
然后按照自己电脑的情况,选择即可,然后点击箭头位置下载(这里做演示,我是随便选的,实际下载一定要对应好)
安装cuda
双击下载好的“exe文件”,选择下载路径(推荐默认路径,这是临时目录,cuda安装好后会自动删除,最终的cuda安装位置跟这个不一样即可,否则会找不到安装文件夹)
选择精简安装就不用管路径问题,点击自定义就继续看
组件建议全选
这里就是选择最终安装路径的位置
点击下一步就开始安装了
配置环境变量
点击设置-->搜索高级系统设置-->查看环境变量-->系统变量
确保画圈的这俩存在
然后再手动添加这俩变量
变量名(这里是两个变量名,要新建两个环境变量,但是他们两的值是一样的):
NVCUDASAMPLES_ROOT
NVCUDASAMPLES11_0_ROOT
值一般是这个(注意,最好是自己按照这个路径去找,确保找到“V+你下载的版本”这个文件夹,然后复制路径):
C:\ProgramData\NVlDlA Corporationi\CUDA Samples\v12.4(按你安装的版本,修改
(但是我的电脑路径下没有上面那个文件夹,所以我用了这个路径,目前做了好几个项目都没有问题,你们如果也找不到,可以暂时先用这个,碰到问题再说)
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4(按你安装的版本,修改)
PS:添加环境变量的方法
点击新建,然后输入变量名和值即可,值就是路径,然后点确定
验证是否安装成功
运行cmd,输入nvcc --version 即可查看版本号;
安装cudnn
cudnn是cuda的一个补丁,不下的话后期会出现很多问题的
注册账号
注册账号很简单,正常注册就行了
查看对应的cudnn版本
安装cudnn
刚刚说过cudnn实际上是一个补丁,所以准确来说不能叫安装,但是别管那么多了
下载好后,应该是一个压缩包
把下载的 cuDNN 解压缩,会得到下面的文件
复制这三个文件,打开刚刚要确保存在的环境变量路径(注意,是本来就有的,不是你们后面新建的那个环境变量,不要搞错了)
直接复制到这里(复制的过程中,会说有重复,没事直接覆盖)
添加环境变量
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,一般就是v那里要修改)
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp
双击path,然后点击新建,然后输入路径即可
验证是否安装成功
首先win+R启动cmd
cd到安装目录下的 …\extras\demo_suite
运行bandwidthTest.exe和deviceQuery.exe
这样说明安装成功了
安装pytorch
按自己刚刚电脑的情况选择,Stable (2.4.0)是稳定版,Preview (Nightly)是超前版,下超前版用的时候可能会出现一些小问题
Package是你一会要用哪个工具下包
Compute Platform就是你刚刚下载的cuda版本
不怕慢的,直接复制下面,红色框里面的代码到终端运行,即可自动下载torch和torchvision以及torchaudio,这是最保险的办法,之后做项目基本不会出问题
要是怕慢可以自己找找对应版本的镜像(版本一定要弄对,很多时候显卡无法启动就是版本不对,正确的版本应该是,类似于这样的“2.3.0+cu121" 有个cu)
验证torch
下载好后,用python运行这段代码
import torch
#检查是否有显卡可用
print(torch.cuda.is_available())
#可用的显卡有几张
print(torch.cuda.device_count ())
输出这个就说明可以正常使用了
标签:教程,windows,路径,cuda,版本,GPU,安装,下载,CUDA From: https://blog.csdn.net/2202_75832991/article/details/140697472