很简单
下载cuda并安装
百度搜cuda下载,跳转到nvidia页面,登录进去,你想下什么版本的就下什么版本的,我是根据我pytorch官网当前推荐的版本去下载,例如现在下图,我就安装cuda11.8。
cuda和vs关系
如果你需要用vs工具进行cuda代码,那网上都说是,要先装vs,确实在cuda的时候会检索系统上已装好的vs版本,那你先装了cuda,再装vs,大可以卸载cuda再重装嘛。
cuda和显卡驱动关系
关于cuda版本和显卡驱动版本,在windows上,你装完系统,就会更新nvidia显卡驱动,这个驱动一般都很新,然后你可以查看,像我这个cuda的驱动是12.2.79,那么你能装12.2及以下的cuda版本。
cuda和系统变量关系
安装cuda时,可以选择自定义,只装cuda里东西,其他的可以在百度搜搜具体是干嘛的。装完后,系统变量里就自动添加了。 所以说,不用像其他博主说的,再去添加变量。
cuda和cudnn关系
去cudnn官网下载,像我的cuda是11.8,选择适用于11.x的就行。
下完,解压缩完,你会发现,网上博客说是全部放到cuda的安装地址里,像我的默认地址是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\
,因为这个文件里本身就有bin、include、lib,所以直接放进去就可以。然后就不用像其他博客再去添加系统路径了。
我们要搞清楚这三个文件夹是干啥的,cudnn(CUDA Deep Neural Network library)就是神经网络的加速库。
-
bin里都是dll,这是程序在运行时需要的,有经验的肯定有过exe打不开报错缺少xx.dll,就是exe在当前目录和系统变量里找不到xx.dll,而上述内容里,cuda安装时已经把cuda的bin目录写到系统变量里了;
-
include文件夹就是头文件,这边把它们合在一起,就是方便你在写程序时添加一个包含目录即可;
-
lib文件夹也是如此,编译需要链接到的库文件,放一起也是少写一个库目录。
cuda测试
- cmd窗口运行,nvcc -V 或者 nvidia-smi -l (-l是不断刷新)
- cmd窗口,cd到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite,运行bandwidthTest、deviceQuery这两个程序,都会出现Pass
- pip安装完pytorch,运行
import torch torch.cuda.is_available()
写这个博客就是想告诉需要的小伙伴们,这个安装很简单,我看其他的博客,装一个配置一个环境变量,根本不需要,要知道原理就不会困惑了。
安装多个版本cuda
一台机器上可以装好几个版本的cuda,可以共存的,如果使用中有冲突,可以去修改环境变量Path里的cuda地址。
cuda和显卡类型
cuda版本和你机器上的显卡类型没关系,像我的是1080Ti,是10系列的,照样可以安装最新版本的cuda。