CUDA、CUDNN、pytorch和torchvision下载、环境配置及测试

安装须知

不同版本的CUDA要求不同的NVIDIA驱动版本,同时显卡驱动版本要不低于CUDA的安装版本。

CUDA版本所对应的驱动版本号：

CUDA 12.3 Update 2 Release Notes

通过cmd命令nvidia-smi来查看驱动的版本号：

步骤一：CUDA安装

如果是用GPU版的pytorch，首先应该安装cuda。

下载地址

https://developer.nvidia.com/cuda-downloads

如下进行下载对应版本：

此后，根据提示进行下一步。

配置环境

确保系统变量中添加如下内容：

四个变量

上述两个变量没有自动生成，没有生成的手动添加就行，注意自己的路径

这两个变量放在下面啦，方便复制

NVCUDASAMPLES_ROOT

NVCUDASAMPLES11_0_ROOT

检验是否安装成功

现在需要重启电脑，然后Win+R进入cmd界面，输入nvcc -V，出现如下界面，代码cuda已经安装成功了。
注：必须要重启电脑，否则运行nvcc -V 会找不到命令。

步骤二：CUDNN安装

安装完了CUDA之后还需要安装CUDNN，下载cudnn的时候需要登录账号，这个可以用微信登录，需要验证一下邮箱。

下载地址

cudnn链接

解压后存在以下三个文件bin、include、lib：

将上述三个文件中的内容分别粘贴到cuda对应bin、include、lib文件下。【分别把文件夹的内容复制到对应文件夹中去】，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

cuda文件默认路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.3

配置环境

找到环境变量-系统变量-path，分别将如下四个变量添加进去，完成安装。

检验是否安装成功

进入到cuda的安装路径，找到如下两个.exe文件：

默认安装路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.3\extras\demo_suite

首先执行：deviceQuery.exe，查看是否出现如下界面：

然后执行bandwidthTest.exe，出现如下界面，则代代表cuDNN也安装成功。

步骤三：下载pytorch和torchvision

下载路径：​​​​​​https://pytorch.org/

一般利用anaconda，根据对应型号选好，复制红框代码，我们打开anaconda prompt，执行下属代码，等待安装即可

测试pytorch是否安装成功

我们打开cmd输入如下命令

python
import torch
torch.__version__

出现版本型号即安装成功！