目录

安装Nvidia显卡驱动

安装Tookit和CuDNN

前言

安装工具的准备

CUDA 安装与配置过程

cuDNN配置

安装PyTorch

卸载CUDA

1.前言

2.卸载开始

参考

---

B站视频教程参考: https://www.bilibili.com/video/BV1ng411M7qV

安装Nvidia显卡驱动

安装Nvidia显卡驱动前可以先检查Nvidia显卡驱动是否已安装。搜索 Nvidia控制面板 或 Nvidia Control Panel可以看到当前已经安装的显卡驱动及版本

如需安装显卡驱动，在官方驱动下载网站找到自己的显卡型号对应的驱动下载并安装: 官方驱动 | NVIDIA

安装Tookit和CuDNN

前言

windows10 版本安装 CUDA ，首先需要下载两个安装包

• CUDA toolkit（toolkit就是指工具包）
• cuDNN(cuDNN 是用于配置深度学习使用)

官方教程 CUDA：Installation Guide Windows :: CUDA Toolkit Documentation

cuDNN：Installation Guide :: NVIDIA Deep Learning cuDNN Documentation

安装工具的准备

CUDA toolkit下载

CUDA toolkit下载地址: CUDA Toolkit Archive | NVIDIA Developer

• 官网安装: CUDA Toolkit 11.6 Update 2 Downloads | NVIDIA Developer
• 官网说明文档: Release Notes :: CUDA Toolkit Documentation

GA = General Availability,通用版本,指软件的通用版本。 RC=Release Candidate,含义 是"发布候选版",它不是最终的版本,而是最终版(RTM=Release To Manufacture)之前的最后一个版本

CUDA的版本是跟显卡型号有关还是驱动有关？

一般是驱动版本决定了能用的CUDA版本的上限，比如新版的显卡驱动可以支持老的CUDA runtime。但是老的显卡可能无法更新到最新的显卡驱动，比如Fermi显卡只能装到391驱动，因此只能用到CUDA9.1。除此之外，显卡硬件与CUDA compute capability相关，当然编译时也可以指定streaming multiprocessor。新的架构支持更多特性就是了。

CUDA Toolkit	Linux x86_64 Driver Version	Windows x86_64 Driver Version
CUDA 11.6 Update 2	>=510.47.03	>=511.65
CUDA 11.6 Update 1	>=510.47.03	>=511.65
CUDA 11.6 GA	>=510.39.01	>=511.23
CUDA 11.5 Update 2	>=495.29.05	>=496.13
CUDA 11.5 Update 1	>=495.29.05	>=496.13
CUDA 11.5 GA	>=495.29.05	>=496.04
CUDA 11.4 Update 4	>=470.82.01	>=472.50
CUDA 11.4 Update 3	>=470.82.01	>=472.50
CUDA 11.4 Update 2	>=470.57.02	>=471.41
CUDA 11.4 Update 1	>=470.57.02	>=471.41
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
CUDA 11.0.2 GA	>= 450.51.05	>= 451.48
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	>= 418.96
CUDA 10.0.130	>= 410.48	>= 411.31
CUDA 9.2 (9.2.148 Update 1)	>= 396.37	>= 398.26
CUDA 9.2 (9.2.88)	>= 396.26	>= 397.44
CUDA 9.1 (9.1.85)	>= 390.46	>= 391.29
CUDA 9.0 (9.0.76)	>= 384.81	>= 385.54
CUDA 8.0 (8.0.61 GA2)	>= 375.26	>= 376.51
CUDA 8.0 (8.0.44)	>= 367.48	>= 369.30
CUDA 7.5 (7.5.16)	>= 352.31	>= 353.66
CUDA 7.0 (7.0.28)	>= 346.46	>= 347.62

由于PyTorch最大只支持CUDA11.3，因此使用 CUDA 11.3.1 Update 1 版本

cuDNN下载

cuDNN地址如下，不过要注意的是，我们需要注册一个账号，才可以进入到下载界面。下载地址: https://developer.nvidia.com/rdp/cudnn-download

可以使用下面网址，查看适配的 cuDNN: cuDNN Archive | NVIDIA Developer

由于在win10上使用CUDA 11.3，因此使用如下版本:

CUDA 安装与配置过程

双击“exe文件”，选择下载路径，推荐默认路径，安装后该目录会自动被清理。

安装选项

• 如果你是第一次安装，尽量全选
• 如果你是第n次安装，尽量只选择第一个，不然会出现错误

  

不要选Visual Studio Integration，即使选了也不能成功安装。

记住安装位置，tensorflow要求配置环境

重点提醒：一定要记住这个路径，把这个路径保留下来，后面我们还会用到！！！

安装完成后，查看系统变量中是否添加了路径，如果没有需要自己添加。

测试环境是否安装成功。运行cmd，输入nvcc --version即可查看版本号； set cuda，可以查看 CUDA 设置的环境变量。

C:\Users\as>nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Mon_May__3_19:41:42_Pacific_Daylight_Time_2021
Cuda compilation tools, release 11.3, V11.3.109
Build cuda_11.3.r11.3/compiler.29920130_0

C:\Users\as>set cuda
CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
CUDA_PATH_V11_3=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
Copy

cuDNN配置

1.解压 cuDNN叫配置更为准确，我们先把下载的 cuDNN 解压缩，会得到下面的文件：

下载后发现其实cudnn不是一个exe文件，而是一个压缩包，解压后，有三个文件夹，把三个文件夹拷贝到cuda的安装目录下。

CUDA 的安装路径在前面截图中有，或者打开电脑的环境变量查看，默认的安装路径如下：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

后面那个v11.3是自己的版本号

CUDA 安装目录文件：

拷贝时看到，CUDA 的安装目录中，有和 cuDNN 解压缩后的同名文件夹，这里注意，不需要担心，直接复制即可。cuDNN 解压缩后的同名文件夹中的配置文件会添加到 CUDA安装目录中的同名文件夹中。

现在大家应该可以理解，cuDNN 其实就是 CUDA 的一个补丁而已，专为深度学习运算进行优化的。然后再参加环境变量

2.添加至系统变量 往系统环境变量中的 path 添加如下路径（根据自己的路径进行修改）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp

验证安装是否成功 配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe： 首先win+R启动cmd，cd到安装目录下的 extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:

安装PyTorch

PyTorch官网安装: Start Locally | PyTorch

这里在win10上使用最新的PyTorch

安装成功后使用 PyTorch 程序检查

import torch
print(torch.__version__)
print(torch.cuda.is_available())

如果输出的结果是False，那么说明当前的Pytorch版本无法使用显卡。 使用就会遇到错误

AssertionError: Torch not compiled with CUDA enabled

检查一下当前的CUDA版本,可以在CUDA目录下查看 version.json 。

卸载CUDA

如果CUDA Tookit装错了，那就需要卸载旧的CUDA Tookit，安装新的CUDA Tookit。

1.前言

别用杀毒软件来卸载这个。打开电脑的控制面板，找到程序，卸载程序 点击当天安装的时间，会找到刚才装的cuda软件，也包括以前NVIDIA的驱动软件，因为被更新了，所以也显示在当天安装的软件中。

2.卸载开始

对于含cuda字眼的，和结尾版本号是11.3 的可以卸载。 如果不确定那个程序能不能删除，可以搜索试试看，程序什么用途的。NVIDIA的软件一个个都有其独立卸载程序，不用担心卸载顺序。 

1.留下：NVIDIA的图形驱动程序、NVIDIA Physx系统软件，NVIDIA GeForce Experience，如果你有这3个软件，就别卸载。 

2.卸载：

1. 推荐排序。 点击顶部时间小三角排序，找到NVIDA从下往上卸载，跳过保留的NVIDIA图形驱动、NVIDIA Physx系统软件、NVIDIA GeForce Experience。软件名含cuda11.3的，sdk，NVIDIA Nsight等，这些都可以卸载掉。

   

2. 卸载完后，你会发现电脑—开始—所有程序，里面那个关于NVIDIA的程序文件不见了。存在的话，也可以看看里面还剩下什么，可以搜索看看。当然，C盘里面C:\Program Files\NVIDIA GPU Computing Toolkit文件也可以删除了。

3. 用杀毒软件垃圾扫描下，清理下电脑，主要是清理注册表

4. 卸载结束

参考

1. win10如何查看NVIDIA驱动的版本
2. 【CUDA】cuda安装 （windows10版）
3. win10 卸载cuda

这篇博客以及安装方法借鉴于这个博客

一、官网下载cuda

1、cuda下载地址https://developer.nvidia.com/cuda-toolkit-archive
我下载的是cuda11.3.0，虽然我电脑支持的最高版本是11.6

2、点进去之后就选择系统对应的版本，选完之后下载即可

（笔记本支持的cuda最高版本）

3、下载完之后是这样的一个安装程序，点击开始安装就行

二、开始安装cuda

1、

2、我其实不知道这是什么路径，也没敢瞎改，默认就行，反正不出错3、选择自定义
4、这里我只选择了CUDA这一个大项，其他三项没选，然后这里很多博主说不选择CUDA选项中的Visual…这一项，我也没选择；

5、选择cuda的安装位置，我不敢安装在别处，就默认了，继续下一步

6、我前面没选Visual…，但是这里还说Installed:-Nsi…2017，不知道为啥，但是不出错。
这样的话cuda就安装好了！！！
7、去看看环境变量里是否已经自动添加，如果没有泽则需要自己手动添加（其实这里如果已经添加了，就说明cuda安装好了）
8、还可以用nvcc --version验证
如下说明已经安装好了

三、下载安装cudnn

cudnn是cuda的一个补丁
1、下载地址cudnn下载地址
下载的时候会说明cuda与cudnn的对应版本
我没看到cuda11.3对应的版本就酌情（哈哈哈哈这小词整的）下载了一个

2、下载完解压后是个文件夹

2、打开文件夹有4个文件夹/文件，将这四个东西拷贝到cuda的安装目录下即可，这里如果你找不到cuda的安装目录就去刚刚的环境变量中看哈哈哈哈（刚开始提到的博文中的方法，那个博主可太机灵了）

3、拷贝的时候不用担心重复文件夹，因为会自动把cudnn中的文件夹拷贝融合到cuda同名文件夹中的

• 拷贝前的cuda安装目录
  

• 拷贝后的cuda目录
  

4、以上完了之后还要在环境变量的path中添加以下路径
就是把cuda安装目录下的bin,include,lib,libnvvp的路径添加到path中

5、验证cuda和cudnn是否安装成功以及配置是否能用
主要使用CUDA内置的deviceQuery.exe 和bandwidthTest.exe
在cuda安装目录下的extras下的demo_suite目录下打开终端分别执行deviceQuery.exe 和bandwidthTest.exe，如果都返回PASS则说明安装配置成功

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite

注意：命令一定要输正确！！我就吃了这个亏

好了装完了--------------------------------------------------------------

  前言：目前最新的CUDA版本是10.1，但是出于某种神秘的原因，目前tensorflow2.0仅支持CUDA10.0。这个已经在我的电脑与一部分网友的反馈中得到了证实。tensorflow2.0不仅绑定了CUDA的版本，还对CUDA安装配置有一定要求。为了实现GPU加速，这里将安装与配置过程记录一下。

下载并安装CUDA10.0

  献上各种CUDA的下载链接：https://developer.nvidia.com/cuda-toolkit-archive
  由于我们必须要CUDA10.0,因此选择版本的时候一定要选择CUDA Toolkit 10.0,注意是10.0，不能是10.1。

  如上图所示，根据自己电脑的系统型号和位数选择合适的版本，然后下载即可。一共是2G多，但是英伟达的服务器不错，下载速度还是比较快的。

  下载下来是上图这个样子，这其实是个解压缩程序。最好自己先提前建个文件夹，把解压完的安装程序搁里面。

  如上图所示，我新建了个文件夹cuda10.0，运行安装程序将其路径导入。

  当解压完毕后会自动运行安装程序，上图的窗口会自动弹出来，点击同意并继续。

  接下来一定要讲究了，不然容易翻车！如上图所示，一定要选择自定义安装。

  讲究第一步：尽量将组件中的NVDIA GeForce Experience选项勾掉。有的人可能认识这个，这不调游戏画面参数的那个嘛。咳咳，这个是NVDIA提供给用户的一个类似于控制面板的东西，但是目前电脑装机一般都给安装了；而且就算是没有，这个东西对我们显卡加速程序是没有帮助的。

  讲究第二步：在组件CUDA中将Visual Studio Intergration取消掉。这个还是蛮有意思的，因为这个组件是专为VS配置的，但是现在使用的代码编译器基本都是vscode，pycharm等轻量编译器之流，用VS就比较没意义了；我在网上还看见一个说法，这个必须取消掉，不然没法正确安装。反正取消就完事了。

  讲究第三步：CUDA在安装的时候会默认安装一个NVDIA的显卡驱动。上图可以看出，该显卡驱动版本是411.31。划重点：“当前版本”这一栏会显示你目前电脑上的显卡驱动型号，比如上图所示，我的电脑目前驱动是430.86，这个数字大于411.31，说明版本更新一些。如果你的当前版本高于CUDA想要安装的新版本，那么一定要把display driver取消掉！不然CUDA安装发现你现有的比我要安的还高级，我还安个锤子，就会出现安装失败的错误；如果你的当前版本低于CUDA想要安装的新版本，那么一定要把display driver勾选，驱动版本不够新，CUDA也运行不了。如果巧了当前版本与新版本一模一样，那勾不勾选随意。

  OK安装好了，我们去上图所示的路径检查nvcc.exe是否存在，这个程序很重要。

  再从上图的路径中检查这个动态库是否存在，这个动态库也很重要。

安装cudnn：

  先献上网址：https://developer.nvidia.com/rdp/cudnn-archive

  如上图所示，要选择for CUDA 10.0的版本

  然后选择适合自己系统的版本。

  下载下来是个压缩包，解压完如上图所示，名字叫cuda，里面有三个文件夹。我们需要把它的名字从cuda改成cudnn，没错，就是重命名。

  OK，把文件夹改名之后按照上图所示把它直接复制粘贴到上图的路径中就好了。

  这里稍微检查一下，cudnn64_7.dll这个动态链接库存在不，这个库也很重要。

环境变量配置

  开始配置环境变量！右键点击“我的电脑”，选择“属性”，选择“高级系统设置”，接下来的窗口如上图所示。接下来选择“系统变量”里面的Path，点击“编辑”。

  如上图所示，因为CUDA已经安好了，所以这里的路径已经添加了两个关于CUDA的。但是还不够，我们还需要添加两个。

  新建环境变量的方法很简单，点击新建，再点击浏览。按照上图所示，将CUPTI\libx64路径导入。同理再新建一个将cudnn\bin路径导入。

  导入以后我们需要点击上移，把四个关于CUDA的环境变量路径置顶，至于这四个的顺序倒是没什么关系。点击确定后退出即可。

  打开命令行工具，输入 nvcc -V。如上图所示，就是配置成功了。

  安装好tensorflow2.0之后可以按照上图的命令语句输入，看到结果如上图所示就是完全OK了。