CUDA和cudnn的安装

已于 2022-03-17 15:38:30 修改
阅读量6k 收藏 32
点赞数 2
分类专栏： 安装与配置 文章标签： 深度学习 caffe pytorch
于 2022-03-16 10:14:17 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/Lisa20000920/article/details/123498857
版权

CUDA和cudnn的安装


安装CUDA之前，需要查看自己电脑的GPU驱动的版本，因为CUDA版本对GPU驱动版本有要求，对应关系如下：
在这里插入图片描述

一、CUDA的安装

1.1 查看显卡驱动版本

鼠标在桌面空白处点击右键，然后选择“NVIDIA控制面板”，下图中红框位置即为自己电脑GPU版本。
在这里插入图片描述
根据自己电脑GPU显卡驱动的版本号选择合适的CUDA版本。

1.2 下载CUDA


CUDA下载地址

1.3 安装CUDA

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

1.4 设置环境变量

查看系统环境变量是否已有，没有的话手动添加。
在这里插入图片描述
查看系统环境变量Path中是否已有，没有的话手动添加。
在这里插入图片描述
逐个儿点击确定。

1.5 测试CUDA是否装好

在cmd中输入

nvcc --version

如果出现下图则说明安装成功。
在这里插入图片描述

二、cudnn的安装

cudnn与CUDA有对应的版本关系，也是直接去官网下载就ok。cudnn下载地址
我安装的是8.0版本的CUDA，所以安装下图7.1.4版本的cudnn。
在这里插入图片描述
下载下来之后进行解压，然后将解压出来的
（1）\cuda\bin\文件夹下的cudnn64_7.dll复制到CUDA安装目录\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin\文件夹中
（2）\cuda\include\文件夹下的cudnn.h复制到CUDA安装目录\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include\文件夹中
（3）\cuda\lib\x64\文件夹下的cudnn.lib复制到CUDA安装目录\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64\文件夹中

lisakiller2000
关注
  • 2
    点赞
  • 踩
  • 32
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度学习电脑配置：cuda和cudnn安装步骤
06-10
深度学习电脑配置：cuda和cudnn安装步骤
CUDA与cuDNN安装教程（超详细）
kirinmin的博客
11-17 11万+
windows10 和win11安装 CUDA 教程，超详细，帮助大家一步到位安装CUDA。
正确安装GPU显卡驱动、CUDA、cuDNN的详细教程
qq_62928482的博客
06-14 2370
本文详细介绍了如何正确安装GPU显卡驱动、CUDA、cuDNN。
Cuda和cuDNN安装
kundezui的博客
08-14 2476
cuda的安装步骤是“傻瓜式”的安装，建议安装在C盘，无需修改默认路径，下面列举几个重要的安装步骤。打开cmd，输入nvcc --version查看版本号，输入set cuda查看设置的环境变量。将下载的cuDNN压缩包解压，并将里面3个文件夹复制到cuda的安装目录下，默认安装目录是。执行.\bandwidthTest.exe和.\deviceQuery.exe，得到下图。详情见之前安装TensorFlow2.1的教程，都是一样的步骤。登录完毕后，再去下列网址选择你需要下载的版本。添加如下4条路径信息。
Cuda和cuDNN安装教程(超级详细)
热门推荐
jhsignal的博客
12-19 26万+
接下来我为大家带来超级详细的Windows10环境下cuda和cuDNN下载和安装方法：
CUDA和CuDNN安装
Romaga的博客
10-21 1106
CUDA，CuDNN安装配置
cuda 和 cudnn安装教程
qq_42152032的博客
06-22 759
cuda 版本查看：cat /usr/local/cuda/version.txt CUDA下载页面：CUDA Toolkit Archive | NVIDIA Developer 450.57选了cuda-11.0。建议采用run或本地rpm安装，是会安装与之匹配的版本。远程rpm安装会安装最新版本。 下载界面有相应的yum源配置代码。 cudnn安装 cudnn 版本查看： cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
cuda和cudnn安装过程
影子
09-08 913
主要就是记录cuda和cuDNN的下载和安装，测试FLASK部署YOLOv5的代码
ubuntu下cuda和cudnn安装
m0_47405013的博客
01-25 1108
安装CUDA11.3的Ubuntu安装指令。
cuda和cudnn安装详解
Lammy的专栏
12-14 2万+
从事深度学习无论是tensorflow还是caffe都需要安装cuda和cudnn这2个显卡支持的库，经过一番倒腾，将经验分享给大家。 cuda的安装 1、下载 cuda首先去官网下载。在选择版本的时候很重要，默认下载是最新的，若想下载旧的版本可点击如下图红色区域： 在选择版本还是比较重要的，因为显卡驱动和cuda的版本需要匹配，否则显示安装了，后面测试通不过，可以参考：cuda relaeas...
【Windows11】Cuda和Cudnn详细安装教程
Jin1Yang的博客
05-13 6万+
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
【深度学习】什么是混合精度训练？缩放因子 S 的选择
q742971636的博客
08-05 119
S。
深度学习-模型剪枝
chengbin20101的博客
08-05 365
模型剪枝是一种模型压缩技术，它通过移除神经网络中的“不必要”权重或偏差（weight/bias），减少模型的大小和计算量，从而提高模型的效率和速度。剪枝的主要目的是在保持模型性能的前提下，降低模型的复杂度和资源消耗。
卷积神经网络（CNN）简单原理与简单代码实现
chengbin20101的博客
08-05 270
这段代码首先定义了数据预处理步骤，然后定义了一个简单的CNN模型，该模型包含两个卷积层、两个池化层和一个全连接层。需要注意的是，测试模型的代码部分在这里被省略了，但通常包括关闭梯度计算、遍历测试集、计算模型输出与真实标签之间的损失或准确率等步骤。卷积操作是使用一个或多个可学习的滤波器（或称卷积核）在输入数据上滑动，计算滤波器与输入数据对应区域的点积，生成特征图（Feature Map）。局部连接：卷积层中的每个神经元仅与输入数据的一个局部区域相连，这有助于捕捉图像的局部特征。
【初学人工智能原理】【10】卷积神经网络：打破图像识别的瓶颈
古月居
08-02 649
本文教程均来自b站【小白也能听懂的人工智能原理】，感兴趣的可自行到b站观看。
基于深度学习的联邦学习
weixin_42605076的博客
08-03 543
基于深度学习的联邦学习（Federated Learning, FL）是一种分布式机器学习方法，允许多个参与者（如设备或组织）在不共享原始数据的情况下共同训练模型。它通过在本地设备上训练模型，并仅共享模型更新（如梯度或参数），保护数据隐私和安全。
贝叶斯优化算法（Bo）与长短期记忆网络（LSTM）结合的预测模型（Bo-LSTM）及其Python和MATLAB实现
最新发布
qq_45441438的博客
08-05 469
然而，LSTM模型的性能往往依赖于超参数的选择，如隐藏层的单元数量、学习率等。- **模型性能评估**：通过比较优化前后的模型在验证集和测试集上的平均绝对误差（MAE）或均方误差（MSE），能够清晰地看到贝叶斯优化对LSTM超参数选择的提升。5. **模型训练与评估**：最终确定的超参数配置下，训练完整的LSTM模型，并在测试集上进行评估，比较其性能与未优化模型的差异。3. **代理模型构建**：创建高斯过程作为代理模型，对LSTM的性能进行建模，并定义目标函数（如验证集上的损失或准确率）。
深度学习DeepLearning Inference 学习笔记
m0_64089565的博客
08-02 681
应当选择正确的隐藏层数和每层隐藏神经元的数量，以达到这一层的输出是下一层的输入，逐层变得清晰，最终输出数据的目的。在人脸识别的应用中，我们将图片视作连续的像素值序列，隐藏层不断匹对信息，颗粒从小到大。
AI融合新突破：CNN与Transformer的强强联合！
m0_73122726的博客
08-05 223
同时，Transformer和CNN 被用作两个分支的编码器以捕获局部和全局特征。1）提出了ParaTransCNN网络，一个U形的医学图像分割架构，融合的CNN和Transformer组成的并行编码器。3）提出了一种新的融合模块，它将来自两个分支的信息进行组合和聚合，以获得最终的深度估计的全面表示，同时应用通道和空间注意来增强我们两个分支网络的表示能力。2）开发了一种有效的特征融合机制，名为相关加权融合（cwF），以协同整合由CNN和Transformer学习的局部和全局上下文特征，有效提高准确度。
cuda和cudnn安装
09-08
为了成功完成张量加速运算，需要安装CUDA和cuDNN。首先，您需要从NVIDIA官方网站下载CUDA并进行安装。 CUDA是一种并行计算平台和API模型，用于利用GPU进行高性能计算。您可以根据您的操作系统和CUDA版本选择正确的下载链接。接下来，您需要下载cuDNN，它是一个GPU加速的深度学习库，用于加速深度神经网络的训练和推理。您可以从NVIDIA官方网站下载适合您的CUDA版本的cuDNN。在安装cuDNN之前，请确保您已经成功安装了CUDA。有关CUDA和cuDNN的安装教程，您可以参考相关的文档和教程，例如NVIDIA官方文档和博客等。根据您的操作系统和CUDA版本的不同，安装步骤可能会有所不同，建议您按照相应的教程进行操作，以确保安装成功。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
评论
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