Python 官方文档:入门教程 => 点击学习
1 cuda的下载及安装 1.1 查看适合的cuda版本 我电脑上支持的cuda是11.6的 1.2 cuda toolkit下载 kCUDA Toolkit Archive | NVIDIA Developer 进入上
我电脑上支持的cuda是11.6的
kCUDA Toolkit Archive | NVIDIA Developer
进入上述网页,找到适合的cuda
双击exe文件进行安装即可
打开 设置->高级系统设置->环境变量
红框里的是系统自动添加的,蓝框里的有些情况系统不会自动添加,需要手动添加,添加时注意自己的路径。
NVCUDASAMPLES_ROOT C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.6NVCUDASAMPLES11_6_ROOT C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.6
win+R,输入cmd,输入nvcc --version查看版本号,输入set cuda查看设置的环境变量
下载地址如下,下载之前需要注册一下
https://developer.nvidia.com/rdp/cudnn-download
如下链接,有适合自己的版本
cuDNN Archive | NVIDIA Developer
将cuDNN解压到D盘
将三个文件夹拷贝到到cuda的安装目录下。默认的安装路径为
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\binC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\includeC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp
win+R cmd进入安装目录下,再进入到 extras\demo_suite下,执行.\bandwidthTest.exe和.\deviceQuery.exe,得到下图。
当跑深度学习代码时,会出现如下错误,原因是原先安装的是GPU版本的torch。
选择各配置,复制红线链接
打开torch和torchvision选择适合自己的版本
进入该路径下执行pip
pip install torch-1.12.1+cu116-cp38-cp38-win_amd64.whlpip install torchvision-0.13.1+cu116-cp38-cp38-win_amd64.whl
cuda可以用,代码已经可以正常执行
来源地址:https://blog.csdn.net/zcs2632008/article/details/127025294
--结束END--
本文标题: CUDA安装教程
本文链接: https://www.lsjlt.com/news/390136.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
下载Word文档到电脑,方便收藏和打印~
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
0