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
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!