Windows下安装CUDA并配置cuDNN教程

一、查看电脑的显卡驱动版本

1.键盘点击Windows+R或者在搜索栏输入cmd,进入命令提示符

2.在命令提示符下,输入nvidia-smi,查看显卡驱动版本

++本电脑显卡驱动版本为:456.71++

二、查找合适的CUDA版本以及cuDNN版本

(一)、查找合适的CUDA版本

1.点击此链接https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html,进入CUDA Toolkit官方文档界面

2.翻阅CUDA Toolkit官方文档,找到以下图表

++根据上面查阅到的本电脑显卡驱动版本:456.71,发现红色线框内的CUDA Toolkit版本,都可以安装++

++保险起见,防止显卡驱动不支持过新的CUDA版本,所以我选择安装CUDA 10.2系列++

(二)、查找合适的cuDNN版本

1.点击此链接https://developer.nvidia.com/rdp/cudnn-download,进入cuDNN Download 界面,并勾选

I Agree To...然后点击Archived cuDNN Release,进入cuDNN版本库

2.在cuDNN Archive界面下,查找适合CUDA10.2的cuDNN版本

此处我选择cuDNN v8.2.0

三、下载CUDA和cuDNN

前面已经确定需要下载的CUDA版本和cuDNN版本,接下来就是找到它们并进行下载

(一)、下载CUDA10.2

1.点击此链接https://developer.nvidia.com/cuda-downloads,进入CUDA下载界面,发现默认下载CUDA最新版本CUDA 11.4,但这个版本并不适合我们,所以我们需要点击右下角的++Archive of Previous CUDA Releases++,找到CUDA的早期版本

2.在CUDA Toolkit Archive界面下,点击CUDA Toolkit 10.2(这是我所需要的CUDA版本)

3.在CUDA Toolkit 10.2 Download界面,进行如下选择,然后点击Download下载

++注意++ :++Installer Type有两个选项,前面是网络安装,后面是本地安装,网络安装就是下载一个很轻巧的工具包,大概20M,如果选择本地安装,就会将所有相关的东西都下载下来,安装过程中无需再次下载,我选择后者。++

(二)、下载cuDNN v8.2.0

1.点击此链接https://developer.nvidia.com/rdp/cudnn-download,进入cuDNN Download 界面,并勾选

I Agree To...然后点击Archived cuDNN Release,进入cuDNN版本库

2.在cuDNN Archive界面下,找到cuDNN v8.2.0

3.点击Download cuDNN v8.2.0...,然后选择适合Windows安装的版本cuDNN Library for Windows(x86),点击下载

四、安装CUDA10.2配置cuDNN v8.2.0

++注意:如果存在其他版本的CUDA,为避免产生错误,请先卸载干净++

(一)、安装CUDA

1.双击启动CUDA安装包

2.设置安装路径

3.等待安装程序解压

4.NVIDIA安装程序检查系统兼容性,检查完毕后,点击下一步

5.NVIDIA软件许可协议,点击同意并继续

6.安装选项栏中,选择自定义,点击下一步

7.自定义安装选项

++注意++ :++如果是第一次安装,尽量全选;如果是第n次安装,尽量只选择第一个,否则可能会出现错误++

点击下一步

8.选择安装位置,保持默认路径,直接点击下一步

++注意++ :++一定要记住这个路径,把这个路径保留下来,后面添加环境变量时,会用到++

9.因为我的电脑中没有安装Visual Studio,所以提示有一些支持Visual Studio的组件不会起作用。这个没关系,直接勾选 I understand...,然后点击Next

10.等待安装

11.点击下一步

12.安装完成,点击关闭

13.添加CUDA的环境变量(如果已经存在,则不需要重复添加)

14.检查CUDA 10.2是否安装成功

键盘点击Windows+R或者搜索栏输入cmd,打开命令提示符

在命令提示符下,输入以下命令

shell 复制代码
nvcc -V

 
 
 
 
 
 
  
* 1

 

若可以查看到CUDA版本信息,则说明安装成功

(二)、配置cuDNN v8.2.0

1.将之前下载的cuDNN压缩文件进行解压

2.在解压后的文件中找到如下文件,并复制其中的三个文件夹

3.找到CUDA的安装路径(在CUDA安装过程中,我们保存过)

复制代码
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2

 
 
 
 
 
 
  
* 1

然后将第2步中复制的三个文件夹,粘贴在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2这个文件夹内

++注意++ :++如果需要管理员权限,则可通过修改属性,提供权限++

4.给cuDNN添加相应的环境变量

①在系统变量设置界面,选中path,再点击编辑

②点击新建,逐个填入如下环境变量(已经存在的环境变量,不需要重复添加)

复制代码
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\libnvvp

 
 
 
 
 
 
  
* 1

  
* 2

  
* 3

  
* 4

5.至此cuDNN配置完毕
https://blog.csdn.net/qq_46941656/article/details/119681765

相关推荐
武子康1 天前
调查研究-189 Kronos 调研:金融 K 线基础模型,是真突破,还是量化圈的新玩具?
人工智能·深度学习·openai
xiao5kou4chang6kai47 天前
MATLAB机器学习、深度学习--从数据预处理到模型训练
深度学习·机器学习·matlab·数据预处理
renhongxia17 天前
世界模型作为AGI落地底层底座的作用
人工智能·深度学习·生成对抗网络·自然语言处理·知识图谱·agi
计算机科研狗@OUC7 天前
(cvpr26) AIMDepth: Asymmetric Image-Event Mamba for Monocular Depth Estimation
人工智能·深度学习·计算机视觉
β添砖java7 天前
深度学习(22)网络中的网络NiN
人工智能·深度学习
Kobebryant-Manba7 天前
深度学习时候d2l报错和使用问题
人工智能·深度学习
zhangfeng11337 天前
deepspeed zero3 结合 llamafactory 微调 ,save_only_model: true 导致保存时候出错
开发语言·python·深度学习
大模型最新论文速读7 天前
06-16 · LLM 最新论文速览
论文阅读·人工智能·深度学习·机器学习·自然语言处理
宝贝儿好7 天前
【LLM】第二章:HuggingFace入门学习
人工智能·深度学习·神经网络·学习·算法·自然语言处理
Black蜡笔小新7 天前
企业私有化AI训练推理一体工作站DLTM深度学习推理工作站全流程技术解析
人工智能·深度学习