admin管理员组文章数量:1532741
1 cuda的下载及安装
1.1 查看适合的cuda版本
我电脑上支持的cuda是11.6的
1.2 cuda toolkit下载
kCUDA Toolkit Archive | NVIDIA Developer
进入上述网页,找到适合的cuda
1.3 cuda toolkit安装
双击exe文件进行安装即可
1.4 配置环境
打开 设置->高级系统设置->环境变量
红框里的是系统自动添加的,蓝框里的有些情况系统不会自动添加,需要手动添加,添加时注意自己的路径。
NVCUDASAMPLES_ROOT C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.6
NVCUDASAMPLES11_6_ROOT C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.6
1.4 验证
win+R,输入cmd,输入nvcc --version查看版本号,输入set cuda查看设置的环境变量
2 cuANN下载及安装
2.1 cuDNN下载
下载地址如下,下载之前需要注册一下
https://developer.nvidia/rdp/cudnn-download
如下链接,有适合自己的版本
cuDNN Archive | NVIDIA Developer
2.2 cuDNN配置
将cuDNN解压到D盘
将三个文件夹拷贝到到cuda的安装目录下。默认的安装路径为
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6
2.3 添加环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp
2.4 验证
win+R cmd进入安装目录下,再进入到 extras\demo_suite下,执行.\bandwidthTest.exe和.\deviceQuery.exe,得到下图。
3 安装GPU版的torch(不需要torch的忽略)
当跑深度学习代码时,会出现如下错误,原因是原先安装的是GPU版本的torch。
3.1 安装GPU版torch
进入官网Start Locally | PyTorch
选择各配置,复制红线链接
打开torch和torchvision选择适合自己的版本
进入该路径下执行pip
pip install torch-1.12.1+cu116-cp38-cp38-win_amd64.whl
pip install torchvision-0.13.1+cu116-cp38-cp38-win_amd64.whl
cuda可以用,代码已经可以正常执行
版权声明:本文标题:CUDA安装教程 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://m.elefans.com/dianzi/1726135349a1057030.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论