CUDA、cuDNN、Pytorch详细安装教程最新版——新手向

更新于2024-07-15

上一篇 Pycharm、Anaconda等python环境详细安装教程最新版——新手向

前言

在深度学习中，常常要对图像数据进行处理和计算，而CPU不能满足对图像处理和计算速度的要求，GPU就是来帮助CPU来解决这个问题的，它特别擅长处理图像数据。

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎，安装cuda之后，可以加快GPU的运算和处理速度。

cuDNN（CUDA Deep Neural Network library 是NVIDIA专门为深度学习应用开发的GPU加速库。它提供了高度优化的例程，用于深度神经网络的前向和反向传播操作，如卷积、池化、归一化等。cuDNN与多种深度学习框架（如TensorFlow、PyTorch、Caffe等）集成，极大地提高了这些框架在NVIDIA GPU上的性能。

简单的理解，CUDA是一个工具包，cuDNN是基于CUDA的深度学习GPU加速库。CUDA与cuDNN不是一一对应的关系。下载CUDA要看当前驱动的最高支持版本是多少，下载cuDNN要根据CUDA的版本下载最新的cuDNN即可。

补充，CUDA是可以下载多个版本的。

PyTorch 是一个开源的深度学习框架，由Facebook的人工智能研究小组（FAIR）开发和维护。它广泛应用于计算机视觉、自然语言处理等领域，支持研究和生产环境的深度学习模型开发。PyTorch与CUDA和cuDNN等NVIDIA的GPU加速库兼容，支持高性能计算，是当前最热门的深度学习框架。

本教程旨在为初学者提供一个易于理解和操作的指南，详细介绍了如何在 Windows 系统上安装最新版本的 CUDA，cuDNN和 PyTorch。通过一系列清晰的步骤解析和配套截图，本文逐步引导用户完成深度学习环境的安装、配置过程，确保即便是编程新手也能轻松上手。

一、CUDA

1.1 判断能否安装CUDA

首先查看自己电脑是否可以使用GPU加速，需要电脑有NVIDA的独立显卡并且显卡支持CUDA的安装。

在任务栏上的搜索框中，输入“设备管理器”，打开“设备管理器”，找到“显示适配器”后点击，查看电脑显卡型号

在NVIDA官网列表中（地址），查看自己的显卡型号是否在NVIDA列表中，若存在则可以下载cuda实现GPU加速。

接下来检查驱动，点击“设备管理器”，鼠标右键点击显卡的名称，选择“属性”，然后点击“驱动程序”，能看到驱动程序的说明驱动正常。

1.2 查看CUDA安装的最高版本

打开cmd命令行，输入nvidia-smi，看到CUDA Version，显示最高版本支持为12.3，那12.3以及12.3以下的版本都是支持的。

1.3 下载、安装CUDA

CUDA下载： CUDA下载地址

推荐使用11.8或者12.1

选项如下图所示，下载安装包。

下载好后，双击进行安装。安装路径不要动，C盘要预留3G以上的空间。

选择精简或者自定义安装，都行。

自定义安装的话，如果Other components和Driver components的新版本比当前版本低的话就不用勾选，否则会导致安装失败

这里可以选择安装路径，其他盘也行。

记住路径，后面有用

完成

二、cuDNN

2.1 下载

cuDNN下载： cuDNN下载地址

version选择Tarball(压缩包)， CUDA Version是由刚才下载的CUDA的版本决定的，CUDA 是11.8就选11，CUDA 是12.1就选12。

2.2 覆盖

解压后复制粘贴 bin、include、lib三个文件到CUDA的安装目录进行覆盖替换

完事

三、Pytorch

Pytorch官网 ：Pytorch下载官网

选择对应的CUDA 下载安装即可。没有CUDA就下cpu的版本。

国内下载速度可能比较慢，可以选择镜像下载，终端输入

pip install torch torchvision torchaudio --index-url https://mirror.sjtu.edu.cn/pytorch-wheels/cu118

等待下载安装完成。

Pytorch是向下兼容的，一般下载最新的就可以了。若需要下载指定的版本，加上版本数字即可。速度可能会比较慢。

conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 pytorch-cuda=11.8 -c pytorch -c nvidia

安装好后，终端会显示如下信息

新建main.py，输入代码：

import torch
print(torch.cuda.is_available())

打印True证明安装成功