一、查看驱动信息
bash
# 进入CMD输入命令
nvidia-smi
也可以右下角图标打开NVIDIA 设置进行查看
二、下载安装CUDA
1、下载
bash
下载地址 https://developer.nvidia.com/
2、安装
推荐自定义安装。建议只勾选Cuda，只安装这一个就好，以免报错安装失败。
3、验证
验证CUDA是否安装成功，打开cmd，输入 nvcc --V，如下返回则说明安装成功。
三、下载安装CUDANN
1、下载
bash
下载地址 https://developer.nvidia.com/rdp/cudnn-download
【注】Cuda和CudaNN的关系
cuda和cudann是nvidia用于GPU加速计算的两个关键技术。
它们的关系如下:
- cuda是nvidia推出的gpu编程框架和平台,用于在gpu上进行通用计算。它提供了类似c语言的接口,使开发者可以使用cuda c/c++来编写gpu程序,实现GPU加速。
- cudnn是nvidia基于cuda开发的深度神经网络加速库。它针对常见的神经网络运算进行了优化,可以充分利用gpu的并行计算能力,大幅加速神经网络的训练和推理过程。cudnn只支持nvidia gpu,需要安装cuda环境。
所以cudnn依赖于并扩展了cuda,专门用于加速深度学习领域的应用。它是nvidiacuda生态系统的重要组成部分。开发者可以建立在cuda基础上,利用cudnn进一步优化神经网络应用的性能。综上,cuda提供通用gpu计算框架,cudnn在此基础上进行深度学习优化。两者关系是:cudnn依赖cuda并进行扩展与优化,组成nvidia gpu加速平台的重要部分。
2、安装
解压，并把三个文件夹放在Cuda的安装路径下。就成功了。
3、验证
进入安装Cuda的根目录，找到extras/demo_suite文件夹。
在cmd中执行，分别执行deviceQuery和bandwidthTest，出现如下两个pass就说明成功了。
四、下载安装pytorch
1、下载
去pytorch.org官网，选择对应Cuda版本的pytorch版本。输入下面的命令进行安装。
2、安装
输入官网给你生成的pip命令就行
bash
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu1183、验证
bash
# cmd中输入python进入交互模式
# 能导入成功说明有pytorch
import torch
# 显示pytorch的版本
torch.__version__
# 测试pytorch是否支持Cuda
torch.cuda.is_available()
# 看看Cuda操作的第0个显卡是什么（device就是显卡）
torch.cuda.device(0)
# 看看一共有几个显卡
torch.cuda.device_count()
# 显示第0个显卡（device）的名字
torch.cuda.get_device_name(0)五、安装Cuda的坑
1、关闭电脑管家或者类似的杀毒软件
2、选择自定义安装
3、这几个不安装
建议只安装Cuda
bash
Nsight开头的不安装
Visual Studio不安装
Driver components不安装（新版本小于当前版本就不安装）
NVIDIA GeForce Experience如果有也不安装