win10+MX350显卡+CUDA10.2+PyTorch 安装过程记录深度学习环境配置

最新推荐文章于 2025-03-26 21:57:35 发布

Fun'

最新推荐文章于 2025-03-26 21:57:35 发布

阅读量3.4w

点赞数 87

分类专栏：工具箱文章标签：深度学习 cuda python

本文链接：https://blog.csdn.net/m0_37867091/article/details/105788637

版权

工具箱专栏收录该内容

6 篇文章

订阅专栏

本文详细介绍了在联想小新15 2020笔记本上，配备MX350显卡和i5-1035G CPU的环境下，如何从零开始安装CUDA 10.2、cuDNN v7.6.5以及PyTorch GPU版本的全过程。包括确认显卡型号、下载安装CUDA、配置环境变量、安装cuDNN以及通过Anaconda Prompt安装PyTorch的步骤，并提供了安装后的验证方法和简单的GPU性能测试结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

环境配置预览

联想小新15 2020 笔记本

系统	CPU	GPU	CUDA	cuDNN	PyTorch
win10	i5-1035G	MX350显存2GB	10.2	v7.6.5	1.5

1. 安装CUDA

确认计算机的显卡型号：在设备管理器中查看GPU的型号，前提是你的计算机要有独显

在这里插入图片描述
2. 确定显卡支持的CUDA版本：打开英伟达控制面板→帮助→系统信息→组件，查看CUDA版本

在这里插入图片描述

3. 到英伟达官网下载对应的CUDA版本。我下载的版本是CUDA10.2

选择CUDA的安装环境，安装类型我这里以在线安装（network）为例
在这里插入图片描述
4. 安装CUDA：双击执行下载的exe文件，会先解压文件到临时目录（不是安装目录），保持默认即可

在这里插入图片描述
5. 安装过程：选择自定义

在这里插入图片描述
取消勾选 Visual Studio Integration

在这里插入图片描述
建议默认安装在C盘 。这三个路径很重要，需要记住，后面配置环境变量以及安装cuDNN要用到
刚开始一直在0%得等一会，我的安装过程大概是15min（因为是在线安装较慢）

在这里插入图片描述
6. 配置CUDA的环境变量

在Path中手动添加如下路径：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64

在这里插入图片描述
7. 验证CUDA是否安装成功

2. 安装cuDNN

到英伟达官网下载与CUDA对应的cuDNN，我这里下载的版本是 cuDNN v7.6.5。

注意：需要先注册账号，填写个人信息及简单的调查文件后才能下载，一步一步来即可。

在这里插入图片描述
下载之后，解压缩，将CUDNN文件夹里面的bin、include、lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可。

3. 安装PyTorch

请事先安装好 Anaconda3，到 PyTorch官网选择安装

在这里插入图片描述
在 Anaconda Prompt 输入上述指令，进行PyTorch安装，此过程时间较长，需耐心等待。(我大概用了40min)

在这里插入图片描述

测试安装是否成功，可以正常打印出版本号，安装没问题。
并测试能否用GPU加速，返回True。

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

在这里插入图片描述

4. GPU速度简单测试

拿AlexNet简单测试了下MX350的速度，测试时CPU满载，GPU只达到了50%

	GPU（MX350）	CPU（i5-1035G）
跑完一次数据集耗时	22s	73s

参考：
win10下pytorch-gpu安装以及CUDA详细安装过程
 Win10+MX250+CUDA10.1+cuDNN+Pytorch1.4安装+测试全过程