显卡驱动 + CUDA + CuDNN + Pytorch全系列教程（非常详细）

我的环境配置

记录一下2023.12.16我电脑成功配置的环境：
虚拟环境名称：cuda121
显卡型号：537.58
cuda：12.1.1，路径：D:\CUDAandCudnn\CUDA\CUDA\v12.1.1
cudnn：8.8.1，路径：D:\CUDAandCudnn\CuDNN\CuDNN8.8.1\cudnn-windows-x86_64-8.8.1.3_cuda12-archive
pytorch：torch-2.1.0%2Bcu121-cp38-cp38-win_amd64.whl，路径：D:\CUDAandCudnn\Torch

基础链接

显卡驱动更新位置: NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA
CUDA和显卡型号对应：1. CUDA 12.3 Update 1 Release Notes — Release Notes 12.3 documentation (nvidia.com) CUDNN: cuDNN Archive | NVIDIA Developer
CUDA: CUDA Toolkit Archive | NVIDIA Developer
Pytorch版本对应和下载位置: Previous PyTorch Versions | PyTorch
Pytorch Wheel: download.pytorch.org/whl/torch_stable.html

一定看好python版本！！

驱动

我下的是studio，结合网上的帖子，ready game更适合打游戏，但是同样会有一些小问题，studio有点像专业级，比较适合干活，打游戏的话可能会有掉帧现象，但是不影响。综合考虑，同时有工作和打游戏需求的人下载studio版本：

驱动型号在NVIDIA控制面板上看，我的是537.58.

CUDA

安装

参考链接：1. CUDA 12.3 Update 1 Release Notes — Release Notes 12.3 documentation (nvidia.com)

我决定下来12.1.1：CUDA Toolkit Archive | NVIDIA Developer

下载的时候参照这个链接：Cuda和cuDNN安装教程(超级详细)-CSDN博客 CUDA安装的时候不需要设置环境变量，因为系统已经给你设置好了：在环境变量 -> 系统变量下已经有CUDA_PATH和CUDA_PATH_{把版本}的环境变量。后期设置CuDNN就需要在Path下设置环境变量了。

注意

• 第一次下载的话自定义安装时全都打勾，下载了好几次的人打第一个勾即可。

• 如果想要卸载原先安装过的CUDA，比如说我要卸载12.0版本，那么就卸载以下标红的四个，卸载即可。考虑到之前安装的时候还修改过环境变量，把12.0相关path删掉即可。

检查

安装完重启，可以不卸载之前安装过的cuda，在win+r cmd中输入：nvcc -V，出现下图就是没问题了

CuDNN

安装

在这个链接下载cuDNN Archive | NVIDIA Developer。 参照链接：Cuda和cuDNN安装教程(超级详细)-CSDN博客，把CuDNN里面三个文件夹里的零散的小文件复制到对应CUDA文件夹名下，并在环境变量中的path里添加CUDA文件夹中bin lib include三个文件夹的路径作为环境变量。
添加之前会发现，Path中已经有过bin的环境变量，所以再加lib和include即可。

注意

• 看好CuDNN时间，比如说我的CUDA12.1.1应该是2023年4月release的，那么CuDNN也最好是这个时间点附近上的：Download cuDNN v8.8.1 (March 8th, 2023), for CUDA 12.x，所以版本是8.8.1。（其实我应该下8.9.0更合适一些？毕竟他也是四月份的，当时下载的时候没仔细看。）

检查

在安装CUDA的路径下找到：extras\demo_suite中的两个exe文件

cmd（不要在管理员权限下打开），先把第一个deviceQuery.exe文件移动到cmd里面，回车：

然后把bandwidthTest.exe移动到cmd里面，重复操作

如果cudnn型号不满意，那就重新下一个，然后把里面的文件复制到cuda对应文件夹里面即可。

Pytorch

安装

以上过程完成以后，进入官网下载GPU版本的pytorchStart Locally | PyTorch，如果官网没有你所需要的版本，就进入到previous-version里下载Previous PyTorch Versions | PyTorch，找到自己对应的pytorch（综合网上情报，cuda版本似乎不能高于Pytorch，但是也可以高于，比较玄学），然后进入到自己的环境里面conda或者pip即可。

但是！我都下载不了，都会出现版本不对应的error！！
我只能先把wheel下载下来然后pip install，参照链接：download.pytorch.org/whl/torch_stable.html
首先，你要重新确定一下你的python版本，在cmd自己的环境里面执行命令：pip debug --verbose。我的是python3.9版本，所以弹出来的是：

所以，我要下的轮子里面需要包含一下关键字：“cuda121 cp39 cp39 amd64”（cuda121意思是cuda12.1，我下载的版本是cuda12.1.1），在wheel中找到了：cu121/torch-2.1.0%2Bcu121-cp38-cp38-win_amd64.whl
然后，进入到环境里面，更换whl所在的路径：

执行pip install torch-2.1.0+cu121-cp39-cp39-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/
如果总是distribution error，要么更换wheel，要么换cuda和cudnn，要么换显卡驱动，一点一点尝试吧。

检查

最后，验证一下torch是否安装成功，在python中输入：

 import torch
 print(torch.cuda.is_available())
 #返回True即认为torch可以使用GPU
 ​
 import torch
 print(torch.__version__)

结果：

 True
 2.1.0+cu121

如果是False，说明是CPU的，那就只能……重来吧。