win11+显卡驱动+CUDA+CUDNN对应版本安装

已于 2022-05-30 16:50:36 修改
阅读量8.2k 收藏 22
点赞数
分类专栏： 开发环境 文章标签： cuda win11 cudnn
于 2022-05-30 14:59:49 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/Vertira/article/details/125045218
版权
本文详细介绍了如何检查及更新NVIDIA显卡驱动，并提供了安装CUDA的步骤，包括访问官方网站下载对应版本，以管理员权限运行安装程序，直至安装完成。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

第一步:查看自己电脑的显卡（）

看看电脑的显卡驱动是否满足下表10.0：

 如何查自己电脑的显卡驱动，桌面---》鼠标右键--》显示更过选择（针对win11系统）--》选择NVIDIA控制面板

 在这个面板上可以看到我的是3060笔记本显卡，显卡驱动版本511.69

明显满足安装10.2cuda。

也可以使用下面的方法检查自己显卡适合的驱动

第二布、下载并安装显卡驱动（如果自己电脑已经有满足的版本 ，就不要再重新安装了）

查看自己的GPU显卡驱动版本：

官网

Official Drivers | NVIDIAhttps://www.nvidia.com/Download/index.aspx?lang=en-us

填写版本号，并搜索

搜索结果

 

二、安装CUDA

在官网中下载对应版本

https://developer.nvidia.com/cuda-toolkit-archive

 CUDA Toolkit 11.7 Downloads | NVIDIA Developerhttps://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_local

 

我安装的是10.2版本的

开始安装

右键----》管理员身份运行

点击OK

 

 同意并继续：

下一步；

下一步

 

 下一步

下一步，安装完成就行了。

(36条消息) Win10中CUDA、cuDNN的安装与卸载_Sophia_fez的博客-CSDN博客_windows卸载cudnn

【学习笔记5】Linux下cuda、cudnn、pytorch版本对应关系
longii11的博客
04-28 3456
NVIDIA CUDA Toolkit （CUDA）为创建高性能 GPU 加速应用程序提供了一个开发环境。借助 CUDA 工具包，您可以在 GPU 加速的嵌入式系统、桌面工作站、企业数据中心、基于云的平台和 HPC 超级计算机上开发、优化和部署您的应用程序。该工具包包括 GPU 加速库、调试和优化工具、C/C++ 编译器以及用于部署应用程序的运行时库。重新新建环境，安装cuda11版本的包和对应的pytorch。说明cuda、cudnn版本是对应的，没有问题。六个cuda版本，目前在用的是。
NVIDIA显卡驱动+CUDA+CUDNN+Tensorflow+Keras之间的关系（含各版本对应关系表）
qq_45186202的博客
01-19 4144
基础介绍 Driver 与键盘驱动、鼠标驱动、打印机驱动没本质区别，硬件统一CPU和外设通信的接口，以驱动程序的形式呈现 可使用nvidia-smi命令查看，需要注意的是，显卡支持的驱动一直是在更新的 CUDA（Compute Unified Device Architecture，NVIDIA推出的显卡并行计算框架） tensorflow-gpu的运行需要它的底层支持，它是一个计算框架，抽象层次比驱动高，每个版本的CUDA都是基于一定版本的驱动建立的，所以它对驱动的最低版本是有要求的 cuDN
一条龙式服务：教你在Windows11搭建 NVIDIA 深度学习环境（NVIDIA 驱动+CUDA+cuDNN）
小白一枚～
02-07 1755
这篇教程手把手教你在 Windows 11 上搭建 NVIDIA 深度学习环境（安装 NVIDIA 驱动、CUDA 和 cuDNN），文末还免费准备了全部安装包的网盘链接。
根据 GPU 型号安装指定 CUDA 版本的详细步骤(附有CUDA版本对应torch版本的表格)（补充python版本对应torch-gpuv版本表格）
qq_52810166的博客
03-10 3262
在 CUDA Toolkit 的下载页面上，“Version” 处提供的多个选项代表的是不同的操作系统版本，而不是不同的 CUDA 版本。尽管这些选项都是针对 CUDA 10.2 版本的安装程序，但它们是为了确保与不同操作系统版本的兼容性。例如，如果你正在使用 Windows 10，你应该选择 “10” 选项来下载适用于 Windows 10 的 CUDA Toolkit 10.2 安装程序。选择正确的操作系统版本非常重要，因为不同的操作系统可能有不同的系统要求、驱动程序和库依赖。这里我选择win10。
【最新】cuDNN在CUDA11.7+Ubuntu20.04下的安装及卸载
weixin_54470372的博客
10-24 6472
cuDNN在CUDA11.7+Ubuntu20.04下的安装及卸载 最新 2022
ubuntu 20.04 安装 高版本cuda 11.7 和 cudnn最新版
ytusdc的博客
08-21 7889
ok，cuda配置结束，正常的测试是用sample里的脚本来测试的，可能是最新版的cuda，没有sample，就假设它装好了。使用nvcc -V测试以下有没有cuda。然后就直接install。等待片刻后，会安装完成，然后在.bashrc里配置环境变量。2.4、之后就继续，把第一个选择驱动，给他回车取消，因为我们已经有驱动了。gcc，如果报错直接安装gcc和g++就好。2.3、之后就继续，输入accept。2.5、在.bashrc里配置环境变量。2.2、安装过程选项选择。
虚拟环境conda安装cuda11.7和cudnn和pytorch
weixin_44589524的博客
07-11 1万+
关于版本问题，博主先安装的是cu116的版本对应的torch，但之后在安装cudnn时发现只能安装CUDA11.7，为了防止pytorch与cuda版本不对应，于是就卸载重装。再下载对应的cudnn，一定要先下载cudatoolkit再下cudnn，否则在下载cudnn时会同时下载cudatoolkit，导致版本问题！网上安装cudatoolkit有很多方法，但大多已不使用，最便捷的方式是通过官网指令下载。安装完后应显示如图则表示安装成功。但此时环境中仍没有cuda如图。于是在anaconda官网。
ubuntu18.04 cuda11.7 cudnn11.x pytorch1.11.0
小白的博客
08-04 5790
ubuntu
magicbook2018+MX150+win10+显卡驱动445.87+cuda_10.0.130+cudnn_v7.6.4.38+conda4.8.3+tensorflow1.14.0
12-21
- **显卡驱动安装**：直接从NVIDIA官方网站下载对应显卡型号的驱动，并按照指示进行安装。 - **CUDA和cuDNN安装**：从NVIDIA开发者网站获取相应版本，按照步骤卸载旧版本，然后安装新版本。安装完成后，通过命令行...
Win10+GTX1660Ti+CUDA10.1+cuDNN v7.6.4+Anaconda+PyCharm配置GPU版本PyTorch超详细步骤
12-21
总结，配置GPU版PyTorch涉及多个步骤，包括显卡驱动、CUDA、cuDNN的安装，Anaconda环境创建，以及PyTorch的安装和验证。理解这些组件之间的依赖关系，以及如何正确配置它们，是成功搭建深度学习环境的关键。希望这个...
【动手学深度学习1】Win10 安装CUDA+cuDNN
m0_37770650的博客
11-05 283
由于小编的电脑显卡驱动版本为11.7.101，同时为节约电脑硬盘空间，选择下载安装CUDA Toolkit 11.7.0版本。然后选择：帮助--》系统信息--》组件，即可看到显卡驱动版本信息，小编电脑的版本号为11.7.101，表面显卡驱动能支持的cuda最大版本，为11.7。cuDNN是英伟达为深度神经网络打造的一个GPU加速库，使得模型训练推理时速度更快​，不是必须的，类似在自行车上装一个电动马达，使得​骑得更快。按百度百科定义，CUDA是英伟达推出的一个通用并行计算架构，是为提高GPU计算效率的。
Win11查看CUDA版本，非常简单的三步
猫猫头的博客
03-07 6979
Win11查看CUDA版本，非常简单的三步 其实用Win11查看CUDA版本非常简单，但好像网上的教程比较少，也可能是因为太简单了，大家都不怎么在意，但是因为我经常忘记，所以来记录以下。 第一步 在电脑任务栏里的搜索里面直接搜索“NVIDIA”，就会出现“NVIDIA Control Panel”，啊这里我又输成“navidia”了，【笑哭】，不过问题不大，点击进去。 第二步 进入到NVIDIA控制面板之后，点击“帮助”，选择“系统信息” 第三步 在出来的系统信息界面，选择“组件”，这样就看到我们的CU
win10及win11安装cuda10.2+cudnn+pytorch超详细过程
热门推荐
weixin_43557093的博客
10-10 1万+
win10（python3.9）安装cuda10.2+cudnn+pytorch超详细过程安装CUDA下载cudnn下载并安装pytorch思考 以下记录本人坎坷的安装过程，以及一些解决方法。希望大家都有美好心情呀！ 安装CUDA 检查自己电脑的NVIDIA ，桌面右键->NVIDIA控制面板->帮助->系统信息->组件 2.在官网（https://developer.nvidia.com/cuda-downloads）选择适合自己电脑的cuda版本，比自己的cuda驱动适配版
查看电脑显卡(NVIDIA)应该匹配什么版本的CUDA Toolkit
learner_jj的博客
07-02 4285
记录首次下载满足显卡和visual studio 的CUDA toolkit
cuda和cudnn版本对应关系
qq_33221533的博客
05-11 1990
因为nvidia网站较慢，所以截图保存两者之间关系，不用每次查看都打开
GPU型号-CUDA toolkit版本-driver驱动版本-VStudio版本
Hero_Never_GIVE_UP的博客
05-14 365
就可以很容易确定适用的驱动版本。对于Windows来说，安装驱动前也可以确定驱动需要对应的VisualStudio版本。或者对于深度学习用户来说可以确定要使用的CUDA版本和驱动后也可以确定对应的深度学习框架Torch或者TensorFlow等的版本。根据GPU型号确定可使用的CUDA版本进而确定其他软件的版本对深度学习、高性能并行计算都有重要的参考价值。根据Compute Capability可以找到GPU可以使用的CUDAToolkit 版本号的最高兼容版本。首先用户可以确定的是自己的GPU型号。
pytorch环境配置2060 cuda11.7,cudnn8.7
qq_44016148的博客
04-09 3706
我的显卡 GeForce RTX 2060。
Ubuntu 22.04安装Cuda11.7和cudnn8.6
AI浩
11-08 1万+
打开‘软件和更新。点击附加驱动安装显卡驱动如果已经安装显卡驱动，请忽略上面的步骤。
windown安装NVIDIA驱动+cuda+cudnn
最新发布
03-17
### Windows 上安装 NVIDIA 驱动、CUDA 和 cuDNN 的步骤 #### 安装 NVIDIA 显卡驱动 为了确保系统的稳定性和性能，在安装 CUDA 和 cuDNN 前，需先完成 NVIDIA 显卡驱动的安装。以下是具体的流程： 在 Windows 平台上，可以通过访问 NVIDIA 官方网站下载适合当前硬件配置的显卡驱动程序[^2]。通常情况下，推荐通过 GeForce Experience 或者手动从官网获取最新的驱动包并运行安装向导。 执行命令时可以参考 Linux 下类似的参数设置理念来优化安装过程，比如避免不必要的 OpenGL 文件加载以及禁用 Nouveau 检查等功能（尽管这些选项主要针对 Linux 用户），从而简化整个环境搭建的工作量[^1]。 #### 安装 CUDA Toolkit 当 GPU 驱动成功部署之后，则可继续着手于 CUDA 工具集部分。这一步骤涉及到了解压官方发布的 .exe 可执行文件，并遵循提示逐步操作直至结束。值得注意的是，这里同样建议选取完全模式(Full Installation)，以便一次性获得所有可能需要用到的功能模块和支持库。 ```bash # 示例：启动 CUDA Installer (假设已下载至本地路径) .\cuda_11.7.0_win.exe ``` #### 设置环境变量 完成上述两步后还需要调整系统级别的 PATH 参数以反映新增加的内容位置信息。打开高级系统属性对话框找到对应栏目添加如下条目： - `%PATH%;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X\bin` - `%LIBRARY_PATH%;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X\lib\x64` 其中 `vXX.X` 表示实际版本号，请依据实际情况替换相应数值。 #### 安装 cuDNN 库 最后关于深度学习框架加速层面则离不开专门设计用于此目的之上的 cuDNN 组件。它作为闭源产品单独发布，因此需要注册开发者账号才能合法取得授权许可后的压缩包链接地址。下载完成后将其内部包含的所有 dll/so/hdr 等类别资源复制粘贴到先前指定好的目录结构当中即可生效。 ```powershell # 示例 PowerShell 脚本实现自动同步功能 $sourceDir = 'c:\temp\cudnn-windows-x86_64-*' $targetDirs = @('C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X\bin', 'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X\include', 'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X\lib\x64') foreach ($dir in $targetDirs){ Copy-Item -Path "$sourceDir\*" -Destination $dir -Recurse -Force } ``` 以上即为完整的 Windows 系统下 NVIDIA 驱动及相关开发套件的整体解决方案概述。
评论 8
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