‍解决CUDA的安装和配置问题windows-pytorch

目录

1.简介


1.简介

关于查看自己电脑上的CUDA版本,首先需要区分CUDA的两种API,

即运行时API(Runtime API)驱动API(Driver API)

1. 驱动API(Driver API)
驱动API(Driver API)由GPU driver installer安装

driver 安装后会提供nvidia-smi命令,会显示GPU硬件信息以及支持的CUDA版本等。命令行输入nvidia-smi后,右上角的CUDA Version便是所支持的CUDA Driver API最高版本

可以向下兼容,且可以安装多个版本的CUDA,可以通过更改环境变量来更改为需要用到的CUDA版本。CUDA多版本共存请参考博客: Windows下CUDA多版本共存

通过以下方式查看已安装的Driver API

2. 运行时API(Runtime API)
由CUDA Toolkit installer安装,查看运行时API 版本的前提是已将在电脑上安装了CUDA Toolkit

nvcc命令是toolkit提供的,命令行输入nvcc -V

最下边一行便是CUDA Runtime API的版本

Driver API和Runtime API可以不同,具体应用要看使用场景

driver 和toolkit可以分开安装,并且同一台主机上两者支持的CUDA版本可以不一样,只要保证

driver cuda version >= toolkit cuda version(不要太高版本)

有网友提及,40系显卡安装cuda版本至少11.8


2.卸载安装CUDA

2.1卸载CUDA

参考CUDA、CUDNN在windows下的安装及配置_use_cudnn is set to 0. compiling without cudnn sup_花花少年的博客-CSDN博客

windows自带的控制面板,用来卸载主程序,火绒等类似安全软件,清除卸载之后的无效注册表

(1)留下:NVIDIA的图形驱动程序、NVIDIA Physx系统软件、NVIDIA GeForce Experience

(2)按照【安装时间】排序,依次卸载即可

2.2安装CUDA

CUDA下载地址:CUDA Toolkit Archive | NVIDIA Developer

安装路径,选择OK(安装完成后路径会自动变化,所以这里路径选择默认就好)

取消勾选GeForce Experience 

如果电脑上本身就有Visual Studio Integration,要将这个取消勾选,避免冲突了

点开Driver comonents,Display Driver这一行,前面显示的是Cuda本身包含的驱动版本是411.31

如果你电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号,那一定要把这个勾去掉。否则会安装失败(相同的话,也不用去勾选)

CUDA的安装位置可以自定义,系统默认是在系统盘C盘

打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin ,查看nvcc.exe

有这个nvcc.exe就说明CUDA安装已成功

安装完CUDA后,CUDA会自动添加到环境变量中

2.3测试CUDA

1)查看CUDA Runtime API的版本

nvcc -V

2)查询显卡算力

进入目录 deviceQuery.exe
>> cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite
 
运行 deviceQuery.exe
>> deviceQuery.exe

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: pytorch 0.4.0版本与cudatoolkit 9兼容。cudatoolkit是一个用于深度学习和科学计算的加速库,它提供了与NVIDIA GPU一起使用的工具和库。pytorch 0.4.0版本要求使用cudatoolkit 9或更高版本来发挥最佳性能。 另外,pytorch 0.4.0版本也要求使用mkl(Math Kernel Library)的2018或更高版本。mkl是针对数值计算优化的数学函数库,它提供高性能的数学函数和线性代数运算,可以加速深度学习算法的计算过程。 通过将pytorch 0.4.0与cudatoolkit 9和mkl 2018或更高版本进行匹配,可以利用GPU加速深度学习任务,并且使用高性能的数学函数库来提高计算效率。这些更新和要求可以提供更好的训练和推断性能,使得深度学习的计算更加高效和快速。因此,在使用pytorch 0.4.0版本时,务必安装配置正确的cudatoolkit和mkl版本以获得最佳的性能和功能。 ### 回答2: PyTorch 0.4.0版本要求的依赖为Cuda Toolkit 9及以上版本和MKL 2018及以上版本。 Cuda Toolkit是NVIDIA提供的用于支持GPU加速的工具集。PyTorch使用了Cuda来充分发挥GPU的计算能力,提高模型训练和推理的速度。因此,安装PyTorch 0.4.0版本时需要安装Cuda Toolkit 9及以上版本。 MKL(Math Kernel Library)是Intel提供的数学库,具有高性能的线性代数、FFT和随机数生成等功能。在PyTorch中,MKL用于加速模型的数值计算。版本2018及以上的MKL提供了更好的性能和稳定性。因此,安装PyTorch 0.4.0版本时需要安装MKL 2018及以上版本。 通过安装Cuda Toolkit和MKL,可以使PyTorch在GPU上充分利用并行计算和高效的数学库,提高模型的训练和推理速度。 ### 回答3: pytorch 0.4.0版本在安装时有两种依赖方式可以选择:cudatoolkit 9.* 和mkl >=2018。 首先,cudatoolkit是用于支持GPU加速的工具包,版本9.*表示使用任何9.x版本的cudatoolkit都可以。如果你希望在安装pytorch时开启GPU加速,需要先安装对应版本的cudatoolkit。 其次,mkl是Intel提供的数学库,可以提升计算效率。在安装pytorch时,通过指定mkl >=2018依赖,可以确保安装pytorch版本能够充分利用mkl库的功能。 综上所述,当你安装pytorch 0.4.0*版本时,可以根据你的需求选择安装cudatoolkit 9.*或者mkl >=2018。如果你需要GPU加速,选择安装对应版本的cudatoolkit;如果你需要提升计算效率,安装最新版本的mkl库。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值