一看就懂的 CUDA安装教程及Pytorch GPU版本安装教程

已于 2024-01-08 11:19:44 修改
阅读量6.8w 收藏 605
点赞数 108
分类专栏： Pytorch 文章标签： pytorch 深度学习
于 2023-03-10 16:54:59 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Evan_qin_yi_quan/article/details/129444568
版权
本文详细介绍了如何检查GPU支持的CUDA版本，然后下载并安装CUDA，包括临时路径安装、环境变量配置和验证安装成功。接着，讲述了注册NVIDIA账户下载cuDNN，将其安装到CUDA目录并配置环境变量。最后，提供了两种方法安装PyTorch的GPU版本，强调了版本对应和验证安装的步骤。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

1.先查看电脑的GPU支持的CUDA版本

        （1）下载CUDA 

        （2）安装CUDA

        （3）查看CUDA是否安装成功 

2. 下载cuDNN，配置 

        （1）首先注册的NVIDIA账户 

        （2）安装配置 

        （3）验证是否安装成功 

3.Pytorch  GPU版本安装 

        （1）方法1使用命令直接安装

          (2)  方法2：到官网下载文件到本地再安装

     总共需要安装两个文件：CUDA和cuDNN

1.先查看电脑的GPU支持的CUDA版本

      在cmd中输入命令nvidia-smi, 可以看到CUDA最高支持12.0版本 ，可以安装12.0以下的版本

        （1）下载CUDA 

CUDA各版本选择链接如下：我安装的是11.6.0版本

CUDA Toolkit Archive | NVIDIA Developer

        （2）安装CUDA

 

双击安装，这个是安装临时路径，不改变，直接确定

 

如果出现下面安装失败的界面，把电脑杀毒软件关闭，我的电脑是 关闭360 就可以安装成功了。

 

选择自定义安装

 

不要勾选Visual Studio

记录下面三个安装目录，如果后续环境变量没有自动添加，则需要手动添加下面三个路径到环境变量中。 

 

安装完毕

查看环境变量是否添加进去，右键我的电脑->属性->高级系统设置-高级 

 

可以看到，已经添加成功 

 

        （3）查看CUDA是否安装成功 

查看CUDA是否安装成功，执行下面的第一个命令，第二个命令查看环境变量配置

 

2. 下载cuDNN，配置 

        （1）首先注册的NVIDIA账户 

链接如下：需要先注册NVIDIA账户，然后就可以下载了 

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

 注册成功后跳转到如下的下载界面，选择版本

选择window 

 

        （2）安装配置 

下载后解压，将这三个文件夹复制到CUDA的安装目录中 

 

下图是复制成功的界面，默认安装路径也显示如下 

添加下面的四个路径到环境变量中 

 

        （3）验证是否安装成功 

验证是否安装成功 ，在命令行中进入下面的目录，分别执行图中的exe文件，使用命令.\xxxx.exe执行。

看到下面中的PASS ，代表安装成功了

 

 

至此CUDA安装结束。

3.Pytorch  GPU版本安装 

        （1）方法1使用命令直接安装-Linux系统

                 Previous PyTorch Versions | PyTorch 

          torch和torchvision版本要和CUDA版本对应 

# ROCM 5.1.1 (Linux only)
pip install torch==1.12.1+rocm5.1.1 torchvision==0.13.1+rocm5.1.1 torchaudio==0.12.1 --extra-index-url  https://download.pytorch.org/whl/rocm5.1.1
# CUDA 11.6
pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu116
# CUDA 11.3
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113
# CUDA 10.2
pip install torch==1.12.1+cu102 torchvision==0.13.1+cu102 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu102
# CPU only
pip install torch==1.12.1+cpu torchvision==0.13.1+cpu torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cpu

 如我的CUDA是11.6版本，执行下面的命令安装

pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu116

安装成功如下 

 在python命令行，输入下面命令，可看到torch版本号

  import torch

  print(torch.__version__)

        (2)方法2：到官网下载文件到本地再安装-Windows系统

         下载链接如下，使用pip install xxx安装，注意CUDA版本和python版本要对应，这里不演示。 

https://download.pytorch.org/whl/torch_stable.html

pytorch的cuda环境搭建（GPU版本安装）
Never-Giveup的博客
04-24 9万+
参考 https://blog.csdn.net/MarsLee_U/article/details/80489618 https://blog.csdn.net/u011622208/article/details/80275344 注意：一定要安装cudnn，不然无法进行卷积操作
pytorch安装GPU版本 (Cuda12.1)教程
关宅
04-03 9万+
使用本教程前，默认您已经安装并配置好了python3以上版本。
安装PyTorch的Gpu版本教程
01-23
安装PyTorch的Gpu版本教程
一文讲清楚CUDA与PyTorch、GPU之间的关系
首席技术总监的专栏
03-13 1551
GPU：一个超级快的数学计算器。- CUDA：一个让程序员能更容易使用GPU的工具。- Pytorch：一个帮助创建和训练深度学习模型的工具。当PyTorch需要加速计算时，它通过CUDA来利用GPU的计算能力。
手把手带你安装CUDA
qq_51375047的博客
08-07 3万+
CUDA是NVIDIA发明的并行计算平台和编程模型。它通过利用图形处理单元 （GPU） 的强大功能，大幅提高计算性能。CUDA 在开发时考虑了几个设计目标：为标准编程语言（如 C）提供一小组扩展，使并行算法的直接实现成为可能。使用 CUDA C/C++，程序员可以专注于算法的并行化任务，而不是将时间花在实现上。支持异构计算，其中应用程序同时使用 CPU 和 GPU。应用程序的串行部分在 CPU 上运行，并行部分卸载到 GPU。因此，CUDA 可以逐步应用于现有应用程序。
【大模型实战】 CUDA安装及Pytorch GPU版本安装教程（2025版最新最全教程安装）
知识靠谱的博客
01-04 1526
CUDA安装教程及PyTorch配置安装教程
GPU（CUDA）教程
04-24
GPU（CUDA）教程, 文字清晰，有详细目录，适合初学入门
CUDA从入门到精通
热门推荐
Augusdi的专栏
10-17 17万+
CUDA从入门到精通（零）：写在前面 在老板的要求下，本博主从2012年上高性能计算课程开始接触CUDA编程，随后将该技术应用到了实际项目中，使处理程序加速超过1K，可见基于图形显示器的并行计算对于追求速度的应用来说无疑是一个理想的选择。还有不到一年毕业，怕是毕业后这些技术也就随毕业而去，准备这个暑假开辟一个CUDA专栏，从入门到精通，步步为营，顺便分享设计的一些经验教训，希望能给学习CUDA的童
CUDA安装教程
qq_56246012的博客
10-05 1万+
最新版CUDA安装教程，配置环境变量。
【CUDA安装详细教程】
weixin_44189155的博客
08-16 5万+
windows10 版本安装 CUDA ，需要下载两个安装包CUDA toolkit（toolkit就是指工具包）和cuDNN，cuDNN 是用于配置深度学习使用官方教程。
cuda安装
qq_44815474的博客
08-11 570
cuda环境安装
【深度学习框架】PyTorch GPU版本安装教程：多系统环境配置与常见问题解决方案
最新发布
04-03
内容概要：本文档详细介绍了PyTorch GPU版本的安装步骤，适用于Windows、Linux和macOS系统。首先确认硬件和系统要求，包括支持CUDA的NVIDIA显卡、最新的显卡驱动以及特定版本的CUDA。安装方式有两种：推荐使用conda...
cuda pytorch安装详细教程 GPU版
qq_42817360的博客
08-02 434
cuda pytorch安装详细教程
Pytorch GPU版本安装
cash_cp的博客
04-28 1914
安装Pytorch GPU版本过程
超详细 CUDA 安装与卸载过程（图文教程）
qq_41946216的博客
12-25 3万+
通过查看，电脑的显卡配置为NVIDIA，Cuda最高版本是12.0，因此Cuda需要安装12.0或12.0以下版本。查看显卡是否是英伟达，如果是英伟达，则可以进行安装Cuda，否则不能安装Cuda。查看显卡大小，可以通过任务管理器查看，到性能中找gpu，发现显卡大小是8G。在dos创建输入命令：nvidia-smi。win+r 进入命令行，输入cmd。
深度学习之CUDA+CUDNN软件安装教程！
weixin_74009895的博客
10-13 3077
深度学习之CUDA+CUDNN软件安装教程！
CUDA的安装
doswynkfsw的博客
04-07 351
背景 依据不同的torch版本，可能需要不同的cuda版本，我们可以同时安装多个cuda版本，然后是使用不同的cuda版本时在配置环境中进行修改。 下载链接 直接下载bash 可以运行的文件，然后按照要求回车就可以。 https://developer.nvidia.com/cuda-toolkit-archive 环境配置 export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64/:$LD_LIBRARY_PATH export PATH=/usr/local/
手把手教你cuda5.5与VS2010的编译环境搭建
xingoo
08-09 360
手把手教你cuda5.5与VS2010的编译环境搭建 目前版本的cuda是很方便的，它的一个安装里面包括了Toolkit`SDK`document`Nsight等等，而不用你自己去挨个安装，这样也避免了版本的不同步问题。 1 cuda5.5的下载地址，官方网站即可：    　　https://developer.nvidia.com/cuda-...
安装带 CUDA 12.6支持的 PyTorch
09-21
安装PyTorch支持CUDA 12.6需要几个步骤，这里是一个简化的指南： 1. **检查系统兼容**: 确保你的系统有兼容的GPU，并且已经安装了CUDA Toolkit 12.6。你可以从NVIDIA官网下载对应版本的CUDA。 2. **更新操作系统库**: 更新操作系统到最新版，以便于安装最新的驱动程序和支持库。例如，在Ubuntu上可以运行`sudo apt-get update && sudo apt-get upgrade`. 3. **安装CUDA**: 下载并按照官方文档安装CUDA，记得选中Python的开发工具包，因为这将包含必要的PyTorch CUDA支持。 4. **安装cuDNN**: cuDNN是用于深度学习的加速库，通常与CUDA一起提供。下载cuDNN并与CUDA安装路径相对应。 5. **安装PyTorch**: 使用pip安装PyTorch，指定CUDA版本： ``` pip install torch torchvision -f https://download.pytorch.org/whl/cu126/torch_stable.html ``` 或者，如果你使用的是Conda环境，可以这样做： ``` conda create -n myenv torch torchvision cudatoolkit=12.6 conda activate myenv ``` 6. **验证安装**: 安装完成后，你可以通过导入torch并检查其GPU属性来确认安装成功： ```python import torch print(torch.cuda.is_available()) ```
评论 31
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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