admin 管理员组文章数量: 887016
安装需知：Nvidia GPU Driver（与硬件交互的低层软件）决定CUDA版本，CUDA版本决定cuDNN版本
①查看适配Driver的Cuda版本
在这里默认已安装Nvidia GPU Driver，一般电脑中只要有GPU就已安装了Driver
桌面 --》 鼠标右键 --》NVIDIA控制面板
NVIDIA控制面板–》系统信息
组件 --》NVCUDA64.DLL 在产品名称栏可以看到CUDA 11.5.76 driver
则我的电脑适配的是Cuda 11.5及以下的版本
②卸载已安装的Cuda
设置 --》应用 --》应用和功能
在搜素中查找 NVIDIA,注意在显示列表中仅卸载含CUDA的软件即可，仅卸载含CUDA的软件即可，仅卸载含CUDA的软件即可，请慎重卸载
③选择对应CUDA
查看自身显卡的算力，在此网站中搜索显卡型号，可以看到我显卡对应的算力是7.5
查看显卡算力支持的CUDA版本
算力7.5支持的CUDA版本有10.0-10.2，11.0，11.1-11.4，11.5–11.7.1，11.8，12.0
显卡驱动最高支持的CUDA为11.5，安装的CUDA应该小于等于11.5，因此我可选的CUDA版本有10.0-10.2，11.0，11.1-11.4，11.5
④下载对应Cuda
进入Cuda工具包下载页面，选择适合自己版本的Cuda,我在这里选择11.5.0的版本
选择系统类型
选择软件包类别，点击download
⑤安装Cuda
Cuda默认会安装到C盘/Program Files/NVIDIA Corporation中
因C盘容量不足，我准备将Cuda安装在D盘 新建了以下目录文件
目录结构如下图所示，四个文件夹均为手动新建，此后安装时将路径选在这边
双击打开我们之前下载的Cuda 11.5.0的安装包
弹出如下界面，表示将生成一个临时文件，路径可以修改在其他位置，点击OK
等待进度达到100%
之后将弹出如下界面
点击同意并继续
由于有些东西是不需要的，因此选择自定义安装
勾选如下文两张图所示的内容
点击下一步，选择安装位置，下面是默认的安装位置，我要安装在D盘因此点击浏览，选择到我们之前新建的文件位置，注意文件名称与官方中的保持一致·
为保持一致，在CUDA的目录中新建一个v11.5的文件夹
其他两个路径同理，修改后如下图所示
打钩，点击Next
完成后如下图所示，点击关闭即可
还记得之前生成的临时文件吗，这个时候就已经自动删除了
⑥下载Cudnn
2024年4月更新博文：cuDNN已经被集成在Pytorch中，无需单独安装，但是如果需要从源码编译就还是需要安装cuDNN 具体查看这里
Nvidia Cudnn下载网址（需登录nvidia账号才能下载）
由于我的Cuda版本为11.5 因此下载 根据自身需要下载xxxx for CUDA 11.5的Cudnn
选择zip版进行下载
下载完成后进行解压
⑦安装Cudnn
下图中内容为Cudnn压缩包解压出的内容，全选复制
粘贴在Cuda安装时的目录 NVIDIA GPU Computing Toolkit\CUDA\v11.5中
⑧验证Cuda是否安装成功
使用如下命令，出现版本信息即代表安装成功
nvcc -V
⑨安装Pytorch GPU版
在安装之前建议将源换为清华源或其他源，加快下载过程
进入Pytorch官网 下载Pytorch
带有CUDA字样的就是GPU版，由于我们已安装CUDA的版本是11.5，因此我们可以下载小于等于11.5的版本
在anaconda中先激活需要安装pytorch的环境，我这里是之前创建过的名为d2l的环境
在这里可以查看Pytorch的历史版本
在这里我要安装1.11.0的Pytorch，选择CUDA11.3的版本
复制该条指令 到anaconda中，回车执行
确认安装 输入y
等待下载完成
出现以下界面代表安装成功
使用conda list 查看已安装的包
发现pytorch torchvision torchaudio cudatoolkit均在其中，至此，安装成功，完结撒花喽~~~
本文标签： 深度 环境 Windows GPU pytorch
版权声明：本文标题：配置深度学习环境：在Windows（Win10）中安装CUDA，CUDNN，Pytorch GPU版 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.freenas.com.cn/jishu/1727370954h1109901.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