Win10安装CUDA11.4和Torch1.9.0
Win10安装CUDA11.4和Torch1.9.0
CUDA介绍及安装说明
CUDA介绍
CUDA是显卡⼚商NVIDIA推出的运算平台，常⽤于⼀些图形技术。当然，安装CUDA的 前提 是有⼀块NVIDIA的独显。如今⼈⼯智能、神经⽹络⽅向的⼤⽕，更是带动了CUDA在并⾏计算领域的发展，本⽂安装CUDA平台主要是⽤于Python语⾔基于框架编写神经⽹络模型。
⾄于详细的CUDA介绍可参考。
CUDA安装说明
本⽂详细介绍的是Windows平台下CUDA的安装教程，之前曾在Linux平台(Ubuntu 18.04系统)上安装过，但估计是等相关的原因并未能够正常使⽤，现在转战Windows平台，凭借Win10兼容性强的特点上⼿安装会更加容易。
xcopy使用详解对于那些安装CUDA⽤于并⾏计算的朋友，需要特别说明的⼀点是⼀定要注意CUDA的版本与编程语⾔⽀持的版本是否相同。本⽂安装CUDA是⽤于Python语⾔中Pytorch框架编程，⽬前全⽹搜索Pytorch安装教程CUDA11.4&Torch1.9.0应该是最新的版本，也算是我头铁安装的⼀次经历吧。
显卡驱动查看及CUDA安装版本号选择
查看本机显卡驱动
webpack优化面试题直接百度搜索查看显卡驱动的很多教程与后续NVIDIA给出的版本号相差较⼤，真正查看符合的版本号可参考
注：此步骤⼀定要严格查询到对应的版本号，否则极有可能造成后续的安装失败
查询CUDA⽀持的显卡驱动版本
需要安装的CUDA版本必须有⽀持的显卡驱动，NVIDIA官⽹公布了，本⽂截取在榜的⽀持驱动如下表所⽰：
CUDA Toolkit Linux x86_64 Driver Version Windows x86_64 Driver Version
CUDA 11.4.0 GA>=470.42.01>=471.11
CUDA 11.3.1 Update 1>=465.19.01>=465.89
CUDA 11.3.0 GA>=465.19.01>=465.89
CUDA 11.2.2 Update 2>=460.32.03>=461.33
CUDA 11.2.1 Update 1>=460.32.03>=461.09
CUDA 11.2.0 GA>=460.27.03>=460.82
CUDA 11.1.1 Update 1>=455.32>=456.81
CUDA 11.1 GA>=455.23>=456.38
CUDA 11.0.3 Update 1>=450.51.06>=451.82
js正则数字CUDA 11.0.2 GA>=450.51.05>=451.48
opencms图片站CUDA 11.0.1 RC>=450.36.06>=451.22
CUDA 10.2.89>=440.33>=441.22
CUDA 10.1 (10.1.105 general release, and updates)>=418.39>=418.96CUDA 10.0.130
>=410.48>=411.31CUDA 9.2 (9.2.148 Update 1)>=396.37>=398.26CUDA 9.2 (9.2.88)>=396.26>=397.44CUDA 9.1 (9.1.85)>=390.46>=391.29CUDA 9.0 (9.0.76)>=384.81>=385.54CUDA 8.0 (8.0.61 GA2)>=375.26>=376.51CUDA 8.0 (8.0.44)>=367.48>=369.30CUDA 7.5 (7.5.16)>=352.31>=353.66CUDA 7.0 (7.0.28)
>=346.46
>=347.62
CUDA Toolkit Linux x86_64 Driver Version Windows x86_64 Driver Version CUDA 及cuDNN 安装
官⽹下载CUDA11.4并安装
⾸先进⼊去下载CUDA。本机使⽤的是Windows 10系统，且系统是64位的，因⽽在官⽹上选择对应的安装包并下载（如下图所⽰）。注意尽量选择local版本，这是安装在本机并使⽤独显算⼒的，区别于network在线算⼒。
11.4版本是⽬前最新的⼀个⼯具包，⼤⼩共计2.8G，等待下载⽅便后续安装。
此处额外说明⼀下，如果当前最新的CUDA版本与你电脑的驱动等不符合，可翻 previous version 去下载合适的版本我安装的时候基本都是CUDA默认选项，但⽹络看其他朋友安装的时候有⾃定义⼀些东西，这边给⼀个。CUDA安装完成后可以运⾏cmd，输⼊nvcc -V查看是否安装成功。
可以看到，电脑的CUDA 11.4安装成功。
cuDNN下载及安装
cuDNN是⽤于深度神经⽹络的GPU加速库，在具体编写神经⽹络程序时会使⽤到。CUDA与cuDNN的关系可参见。
与安装CUDA需选择对应的版本类似，安装cuDNN时也需选择与CUDA对应的版本。
本⽂给出⽬前已知CUDA与cuDNN的版本对应关系，具体的安装包及⽀持情况可查询。需要特别说明的⼀点是，cuDNN的下载需登录NVIDIA账户，如若没有可注册⼀个⽅便后续安装。
cuDNN CUDA
v8.2.111.x, 10.2
v8.2.011.x, 10.2
v8.1.111.0, 11.1, 11.2, 10.2
v8.1.011.0, 11.1,11.2, 10.2
v8.0.511.1, 11.0, 10.2, 10.1
v8.0.411.0, 10.2, 10.1
v8.0.311.0, 10.2, 10.1
v8.0.211.0, 10.2, 10.1
v8.0.1 RC211.0, 10.2
v7.6.510.2, 10.1, 10.0, 9.2, 9.0
v7.6.410.1, 10.0, 9.2, 9.0
v7.6.310.1, 10.0, 9.2, 9.0
v7.6.210.1, 10.0, 9.2, 9.0
v7.6.110.1, 10.0, 9.2, 9.0
v7.6.010.1, 10.0, 9.2, 9.0
v7.5.110.1, 10.0, 9.2, 9.0
pycharm python安装教程
v7.5.010.1, 10.0, 9.2, 9.0v7.4.210.0, 9.2, 9.0v7.4.110.0, 9.2, 9.0v7.3.110.0, 9.2, 9.0v7.3.010.0, 9.0v7.2.19.2
v7.1.49.2, 9.0, 8.0v7.1.39.1, 9.0, 8.0v7.1.29.2, 9.1, 9.0v7.0.59.1, 9.0, 8.0v7.0.49.0v6.08.0, 7.5v5.18.0, 7.5v58.0, 7.5v47.0 and later v37.0 and later v2 6.5 and later v1
6.5 R1
cuDNN CUDA 本⽂安装时选择的是最新的cuDNN v8.2.1版本，下载完成后需加以解压，然后将⽂件按对应的要求放⾄相应⽂件夹，具体⽂件夹的转移⽅法可参考。
所需替换的⽂件夹路径如下：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4
额外说明
有些博客中提到要安装Visual Studio 2019去运⾏相关的程序，实测不下载安装VS 2019也是可以的。
安装结果验证
win+R 打开 cmd 窗⼝，输⼊如下命令跳转⾄CUDA的安装⽬录下：
然后运⾏ 和 来查看GPU的状态，实测的结果如下：
cd C:\Program Files \NVIDIA GPU Computing Toolkit \CUDA \v11.4\extras \demo_suite
asp连接数据库1
可以看到，运⾏显⽰的结果是PASS
同理， 运⾏也是通过的。
Python编程环境搭建
如前⽂所述，搭建CUDA环境是⽤于Python编程。我选择的框架是Facebook公司推出的框架，如果选择Google公司的TensorFlow框架，需额外关注对应的编程环境，与本⽂搭建的情况有所不同。
Python 3.9.6安装
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论