【CUDA卸载】卸载现有版本，安装新版本

最新推荐文章于 2025-03-17 15:28:29 发布
最新推荐文章于 2025-03-17 15:28:29 发布
阅读量2.9k 收藏 13
点赞数 1
分类专栏： Python 环境预备 人工智能 文章标签： python tensorflow 人工智能
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/m0_51662391/article/details/132314659
版权
博客介绍了电脑CUDA版本的卸载与安装准备工作。先判断电脑是否存在另一版本的CUDA，通过控制面板卸载除NVIDIA图形处理程序和NVIDIA physX系统软件外的相关程序，还可删除C盘相关文件，用杀毒软件清理注册表，以便安装所需CUDA版本。

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

先判断电脑是否存在另一版本的CUDA：【CUDA】判断电脑是否安装CUDA

控制面板–程序–卸载
在这里插入图片描述
除了这2个（NVIDIA图形处理程序，NVIDIA physX系统软件）把其它的也删掉。
卸载完后，你会发现电脑—开始—所有程序，里面那个关于NVIDIA的程序文件不见了。存在的话，也可以看看里面还剩下什么，可以搜索看看
当然，C盘里面C:\Program Files\NVIDIA GPU Computing Toolkit文件也可以删除了。可以用杀毒软件垃圾扫描下，清理下电脑，主要是清理注册表
在这里插入图片描述

这样就可以安装你需要的CUDA版本

2023.05.30-ubuntu22.04多卡服务器卸载cuda重新安装（踩坑不断版本）
熊猫小妖的AI世界
06-01 2351
NVIDIA 官方文档了解 CUDA、CUDNN 和 TensorRT 的安装流程和配置方法，请见。
Linux卸载GPU驱动、CUDA的实战教程
热门推荐
weixin_43178406的博客
07-25 6万+
本文主要介绍了Linux卸载GPU驱动、CUDA的实战教程，希望能对使用NVIDIA显卡的同学们有所帮助。 文章目录 1. 背景描述 2. 卸载GPU驱动 3. 卸载CUDA
cuda卸载
weixin_43702064的博客
11-16 635
cuda卸载 在控制面板中打开 【程序】–> 【程序和功能】 确定要卸载的内容，图中红框内的内容 删除C盘里面C:\Program Files\NVIDIA GPU Computing Toolkit文件夹，NVIDIA GPU Computing Toolkit这个文件夹删除。 留下：NVIDIA的图形驱动程序、NVIDIA Physx系统软件、NVIDIA GeForce Experience。 转载自：https://blog.csdn.net/chenhepg/article/detail
【一篇搞定配置】小白如何安装/配置/删除CUDA（详细图文）
十二月的猫
01-21 2120
GPU（图形处理单元）、CUDA、CUDAToolkit和PyTorch之间存在密切的关系，特别是在深度学习和科学计算的领域。本文到这里就结束啦~~
升级NVIDIA显卡驱动及卸载CUDA
笑脸惹桃花的博客
03-17 2235
简单易上手的NVIDIA显卡驱动更新及CUDA的老版本卸载和新版本安装，小白也可以简单操作。
超详细 CUDA 安装与卸载过程（图文教程）
qq_41946216的博客
12-25 3万+
通过查看，电脑的显卡配置为NVIDIA，Cuda最高版本是12.0，因此Cuda需要安装12.0或12.0以下版本。查看显卡是否是英伟达，如果是英伟达，则可以进行安装Cuda，否则不能安装Cuda。查看显卡大小，可以通过任务管理器查看，到性能中找gpu，发现显卡大小是8G。在dos创建输入命令：nvidia-smi。win+r 进入命令行，输入cmd。
CUDA卸载与安装
花有重开日，人无再少年。
06-16 1万+
将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可。需要你注册一个账号，然后进行问卷之后才可以进行下载页面，反正一步步操作即可。安装CUDA时，先看电脑上有没有独立的NVDIA显卡，在设备管理器中查。选择自定义，将VS勾给去掉，CUDA的安装目录，大家默认安装在C盘即可。如果显卡支持，打开NVDIA控制面板 —系统信息，你会看到下图。我电脑支持的最高CUDA版本11.5.125，我装11.5.0。点击组件，红色剪头所指就是电脑支持的最高CUDA版本。
【抄作业】ubuntu完全卸载CUDA，彻底卸载cuda，卸载不同版本的cuda，cuda不同版本的卸载方法
BetrayFree的博客
12-14 9279
我们都知道，cuda的一般卸载需要依次选中需要卸载的CUDA包，鼠标右键点击卸载即可，一般需要保留3个已经安装的CUDA包，分别为NVIDIA GeForce Experience x.x.x.x、NVIDIA PhysX 系统软件 x.x.x、NVIDIA 图形驱动程序 x.x。因为cudnn文件还在的缘故，自己的cuda-xx.x文件夹仍然在，需要手动删除。我想大家都会有这个疑问，同样，我也是，因为cuda所安装需要的依赖和其他东西太多，而且为了兼容性，可能还会附带安装其他版本的内容，这是很常见的。
彻底卸载CUDA、cuDNN详细教程
qq_62928482的博客
06-12 5万+
本文介绍如何正确彻底卸载CUDA和cuDNN，避免重新安装不同版本的CUDA时出现报错的困扰，方便读者对资源的管理与应用。1.卸载所有与CUDA有关的程序。2.删除环境变量。3.删除文件夹。按照本文三个步骤就可以把CUDA和cuDNN删除干净了！
ubuntu20.04显卡驱动,CUDA 安装和卸载,cudnn安装.pdf
07-06
1. **确定CUDA版本**：安装CUDA前，使用`nvidia-smi`检查显卡支持的最高CUDA版本。 2. **下载CUDA**：访问NVIDIA开发者网站下载CUDA Toolkit，例如CUDA 11.3。下载完成后，给.run文件添加执行权限。 3. **安装CUDA...
Linux卸载安装CUDA,linux ubuntu 18.04 卸载cuda10.2 安装cuda 9.0
weixin_33522643的博客
05-07 2043
一、卸载cuda10.2$ sudo /usr/local/cuda-10.2/bin/cuda-uninstaller或者$ cd /usr/local/cuda-10.2/bin$ sudo ./cuda-uninstaller等待一会，会自动提示卸载成功。二、安装cuda 9.0卸载了10.2，安装9.0(部分可以参考：https://blog.csdn.net/qxqxqzzz/arti...
cuda卸载换版本安装教程
01-03
#### 准备新版本 CUDA 的安装环境 考虑到硬件兼容性和性能优化的需求，在准备安装特定版本之前需确认当前使用的图形处理器驱动是否满足最低要求。例如，较新型号的支持范围更广，而老旧设备则可能仅限于某些特定版本...
Ubuntu20.04下安装多CUDA版本，以及后续切换卸载
Netceor的博客
10-14 1834
本方案的前提是假设机子上已经有一个版本的cuda，现在需要支持新的torch2.1.2和torchvision==0.16.2，于是来安装新的cuda。
CUDA 的卸载
m0_59705760的博客
07-12 2万+
CUDA 的卸载操作
卸载cuda
qq_32172681的博客
03-02 813
（1）运行删除脚本： 执行 cd到/usr/local/cuda/bin下，执行sudo ./cuda-uninstaller,用空格键勾选以下几项，选择done，提示Successfully uninstalled 完成卸载。 、 2) 删除安装文件夹 sudo rm -rf cuda sudo rm -r cuda-10.1 ...
Ubuntu18.04-卸载CUDA、安装新版本CUDA
qq_40083760的博客
05-25 4442
电脑：联想Y9000P2022款，显卡RTX3060本来一直正常使用pytorch，cuda也正常使用，但是今天安装Tensorflw2.x也遇到显卡驱动和CUDA版本和Tensorflow版本不兼容的问题，想更新一下CUDA版本，大体流程在此记录一下。
【pytorch安装】nvidia cuda 旧版卸载不净 安装失败的解决记录
ukgu46839693的博客
05-02 2336
【pytorch安装】nvidia cuda 旧版卸载不净 安装失败的解决记录 想升级到cuda11.1，需要卸载旧版cuda，但是旧版一直卸载不净，导致新版cuda总是安装失败，首先使用了显卡驱动清理，强制卸载，清理注册表等各种方法，不过发现NV在Program files底下仍然有文件夹。所以首先利用卸载工具等确认所有NV相关的都卸载好了，删净相关文件夹。（win10能撑起基本的驱动）。 给安装包exe解压到某个固定的文件夹，省着多次安装中每次提取； 每次安装点击解压出来的setup.exe，都选自
windows删除cuda安装新版本
最新发布
04-03
### 卸载旧版 CUDA 并安装最新版本 CUDA 的方法 #### 1. 查询当前系统的 CUDA 和驱动版本 在执行卸载操作前，需确认当前系统中的 CUDA 和 NVIDIA 驾驶程序版本。这可以通过以下命令完成： ```bash nvidia-smi nvcc --version ``` 上述命令会显示当前安装的 CUDA 版本以及 GPU 驱动状态[^2]。 #### 2. 手动清理旧版 CUDA 文件 打开文件资源管理器，导航至默认的 CUDA 安装路径（通常位于 `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA`）。如果存在与旧版本相关的文件夹（如 `v9.0` 或其他不再使用的版本），则需要手动删除这些文件夹及其内容[^1]。 #### 3. 更新 NVIDIA 显卡驱动 为了确保新版本 CUDA 能够正常工作，建议先更新到最新的 NVIDIA 显卡驱动。可以访问 [NVIDIA 官方网站](https://www.nvidia.com/Download/index.aspx)，输入具体的显卡型号和操作系统信息以获取适配的驱动版本。需要注意的是，不同版本的 CUDA 对应特定范围内的驱动版本，具体可参考官方文档[^3]。 #### 4. 彻底卸载旧版 CUDA 通过控制面板或第三方工具彻底移除现有的 CUDA 工具包。以下是推荐的操作步骤： - 使用 **Control Panel -> Programs and Features** 列表找到并卸载所有与 “CUDA” 相关的内容。 - 如果仍有残留注册表项或其他配置数据未被清除，则可通过专用清理工具进一步处理。 #### 5. 下载并安装新版 CUDA 前往 [NVIDIA CUDA Toolkit Download Page](https://developer.nvidia.com/cuda-downloads) 页面下载适合目标平台的新版 CUDA 工具链。注意选择正确的架构（Desktop 或 Notebook）、操作系统位数以及其他必要参数[^4]。 #### 6. 验证安装是否成功 完成安装之后，再次运行以下命令验证新的 CUDA 是否生效： ```bash nvcc --version ``` 此外还可以编写一段简单的测试代码来检验环境设置是否正确。例如： ```cpp #include <cuda_runtime.h> #include <iostream> int main() { int deviceCount; cudaGetDeviceCount(&deviceCount); std::cout << "Number of devices: " << deviceCount << "\n"; for (int i = 0; i < deviceCount; ++i) { cudaDeviceProp prop; cudaGetDeviceProperties(&prop, i); std::cout << "Device Name: " << prop.name << ", Compute Capability: " << prop.major << "." << prop.minor << "\n"; } } ``` #### 7. 测试 AI 运行环境 最后一步是对整个开发框架进行功能检测，比如加载 PyTorch 模型或者 TensorFlow 程序，并观察其能否利用 GPU 加速计算性能。 --- ###
评论 1
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