安装cuda 我强调下 这个需要注意版本问题的.

---

注意 (个人的想法,安装思路,仅供参考)

pytorch 需要注意这个现在支持的版本.根据这个支持的版本去下载对应的cuda和cudnn
应为你 pytorch 的版本对不上 你cuda装上了也不行的. 到时候检测运行的时候直接就False.

我现在安装的pytorch 支持 cuda的版本是 11.3. 所以你们安装的时候需要注意. 应该是可以用低版本的安装的. (指的是cuda). 切记,切记,切记,

https://pytorch.org/ 这是 pytorch的官网.

---

简单的说 :

1. 先看 pytorch 官网是支持的cuda的版本.
2. 然后去 cuda下载网站 查看对应的版本,(自己看着来,我下载的时候是对着pytorch上面需要的版本来的) ,注意自己的显卡驱动的版本.不要低于cuda要求的显卡版本.
3. 对应 cuda的版本去下载cudnn
4. 都安装配置完成后,再去pytorch 官网下载 pytorch 就行 直接复制下载即可.
5. 最后运行测试下.

---

以下出现的所有cuda和cudnn的版本都是作为安装教程使用,具体版本根据情况而定.

以下出现的所有cuda和cudnn的版本都是作为安装教程使用,具体版本根据情况而定.

以下出现的所有cuda和cudnn的版本都是作为安装教程使用,具体版本根据情况而定.

图片只是记录一个安装流程.

---

先校验英伟达显卡版本.(后续切勿自动更新这个)

---

对应显卡版本进行下载对应的cuda版本 (也可以降低版本安装)

这是网址 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

找到自己合适的版本即可.

安装的版本 不能超过pytorch限制的版本

---

简单的说下这里的逻辑:

1. pytorch版本限制你cuda的版本
2. cuda限制你的显卡驱动版本
3. 所以说 pytorch要求的cuda的版本时, 需注意自己显卡驱动的版本不得低于cuda要求版本.
4. 举例子 pytorch 安装 11.3版本的 cuda . 11.3版本的cuda 需要显卡驱动为 469.xx的.所以说 我们需要显卡版本是 大于等于 469.xx的.

---

下载安装 cudaa.

下载链接 https://developer.nvidia.com/cuda-toolkit-archive

1. 下载自己合适的版本.
   

我的是windows10 我选择本地安装.

2. 进行安装.

文件存放的地方

---

需要安装的模块

---

模块安装的位置

---

3. 安装完成之后 查看下自己环境变量

这样基本上就ok了

---

4. 简单的测试下

打开cmd终端 ,执行命令

nvcc -V

nvcc --version

这样就ok了

---

下载 cudnn.

下载网址 https://developer.nvidia.com/rdp/cudnn-archive

下载合适自己的版本

---

将cudnn文件进行解压 放到cuda的目录下.

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4 这里我的路径 每个人的路径可能不一样.

---

测试使用下.

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\demo_suite 找到这个demo_suite 这个文件夹

然后调用这个exe.

效果如下就基本ok了

---

官网下载安装 pytorch https://pytorch.org/

---

import torch

print(f'torch -v {torch.__version__}')
print(f'cuda is_available {torch.cuda.is_available()}')

结果:
torch -v 1.10.1+cu113
cuda is_available True

---

这样应该就可以了.

欢迎补充,提问.

本次安装参考了网上许多教程，结合自己的需求与理解，写下此篇博客，仅做本人总结使用。。

一、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

注：cuDNN 是用于配置深度学习使用

官方教程

CUDA：https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html

cuDNN：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows

二、安装工具的准备

1. CUDA toolkit Download

https://developer.nvidia.com/cuda-toolkit-archive

官网安装：

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64

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

官网说明文档，
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

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。

最终本人下载的

2. cuDNN Download

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。大家可以放心注册的。

https://developer.nvidia.com/rdp/cudnn-download

注册成功后的下载界面

可以使用下面网址，查看适配的 cuDNN

https://developer.nvidia.com/rdp/cudnn-archive

本人下载的版本如下：

三、 CUDA 安装与配置过程

1. 双击“exe文件”，选择下载路径（推荐默认路径）

2. 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

如果本机的驱动版本(当前版本)小于cuda对应的版本（新版本），则选择，否则不选。如果当前版本小于新版本，并且不覆盖安装，之后电脑会频繁蓝屏或死机

3. 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！！！

4. 安装进行
   
   

5. 安装完成

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。

nvcc --version

set cuda

四、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：

1. cuDNN 解压缩后的文件
   

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\v11.1

后面那个v11.1是你自己的版本号

2. 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。

3. 拷贝成功后的文件
   

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

1. 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\v11.1\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\libnvvp

2. 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:

参考博客：

https://blog.csdn.net/mao_hui_fei/article/details/104246466

https://www.pianshen.com/article/8647746165/

https://blog.csdn.net/weixin_45494025/article/details/100746025

https://blog.csdn.net/u011473714/article/details/95042856

CUDA安装见：https://blog.csdn.net/Ang_go/article/details/122329715
本文内容均在已安装VS和CUDA情况下，如需安装教程，请自行搜索。

一.CUDA环境配置

1.此电脑->属性->高级系统设置->环境变量->系统变量
在系统变量中新建5个新内容(如图所示):
1.变量名: CUDA_SDK_PATH
变量内容:C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2
v10.2指下载版本文件夹,请导航至自己下载版本的文件夹中,下同

2.变量名: CUDA_LIB_PATH
变量内容:%CUDA_PATH%\lib\x64

3.变量名: CUDA_BIN_PATH
变量内容:%CUDA_PATH%\bin

4.变量名: CUDA_SDK_BIN_PATH
变量内容:%CUDA_SDK_PATH%\bin\win64

5.变量名: CUDA_SDK_LIB_PATH
变量内容:%CUDA_SDK_PATH%\common\lib\x64
2.在用户变量的path中新建4个新内容(如图所示):

%CUDA_LIB_PATH%

%CUDA_BIN_PAHT%

%CUDA_SDK_BIN_PAHT%

%CUDA_SDK_LIB_PATH%

3.测试:win+R,输入cmd,打开命令行,输入 set cuda,显示如下内容,若无显示,请重启,显示如下内容即为1,2步成功,才可进行此步

切换如下目录,v10.2指下载版本文件夹,请导航至自己下载版本的文件夹中,下同

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite

运行deviceQuery.exe

deviceQuery.exe

显示如下结果,最后显示Result=PASS,即为成功!

VS中配置CUDA

１.VS新建一个空项目，打开属性管理器
下图1位置,新建一个*.props文件,命名为CUDA_debug_x64
2.右键 刚建的CUDA_debug_x64->属性,如下图
3.VC++目录->包含目录中添加

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include

VC++目录->库目录中添加

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64

4.仍然是上一步属性中 ->链接器->输入->附加依赖项,添加下述内容(见图)

cublas.lib
cublasLt.lib
cuda.lib
cudadevrt.lib
cudart.lib
cudart_static.lib
cufft.lib
cufftw.lib
curand.lib
cusolver.lib
cusparse.lib
nppc.lib
nppial.lib
nppicc.lib
nppicom.lib
nppidei.lib
nppif.lib
nppig.lib
nppim.lib
nppist.lib
nppisu.lib
nppitc.lib
npps.lib
nvblas.lib
nvgraph.lib
nvml.lib
nvrtc.lib
OpenCL.lib

🆗!!