CUDA和cuDNN的安装

啥都想要学一点

已于 2025-02-04 18:33:39 修改

阅读量5.6k

点赞数 26

分类专栏：搭建GPU平台文章标签：人工智能深度学习

于 2025-02-04 18:12:05 首次发布

本文链接：https://blog.csdn.net/m0_62907835/article/details/145441697

版权

一、准备

（1）查看电脑支持CUDA版本

方法一，命令符查看

1.同时点击win+r，输入cmd点击“确定”，进入终端窗口，输入nvidia-smi（注意无空格）查看CUDA版本

方法二，nvidia控制面板查看

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

啥都想要学一点

关注关注

26
点赞
踩
28

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

安装CUDA和CUDNN

weixin_46245702的博客

03-14

1070

cuda,cudnn

安装CUDA和cuDNN

仰望星空的博客

04-11

1537

升级NVIDIA驱动, 安装CUDA! CUDA历史版本: https://developer.nvidia.com/cuda-toolkit-archive cuDNN历史版本: https://developer.nvidia.com/rdp/cudnn-archive 一. 卸载原驱动 1.打开终端，先删除旧的驱动 sudo apt-get purge nvidia* 2.禁用自带的 nou...

参与评论您还未登录，请先登录后发表或查看评论

（二）CUDA和cuDNN安装

qq_48545380的博客

10-08

1万+

Win11搭建深度学习环境-CUDA和cuDNN安装

在WSL2-Ubuntu中安装CUDA12.8、cuDNN、Anaconda、Pytorch并验证安装

最新发布

love530love的博客

03-07

4168

记录工作提示：整个过程最好先开启系统代理，也可以用镜像源，确保有官方发布的最新特性和官方库的完整和兼容性支持。期间下载会特别慢，需要在系统上先开启代理，然后WSL设置里打开网络模式“Mirrored”,以设置WSL自动使用主机上的代理网络。【WLS2怎么设置网络自动代理 - CSDN App】https://blog.csdn.net/u014451778/article/details/146073726?

cuda和cudnn的安装教程(全网最详细保姆级教程)

在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步

08-25

3万+

CUDA和cuDNN是由NVIDIA提供的两个关键软件库，用于利用NVIDIA GPU进行高性能计算和深度学习加速。

【CUDA|CUDNN】安装

胡侃有料的博客

07-09

1546

显卡驱动安装参考之前的文章cuda、cudnn 安装。

CUDA、cuDNN安装

qq_36470994的博客

04-23

397

CUDA、cuDNN安装

Cuda和cuDNN安装

kundezui的博客

08-14

2780

cuda的安装步骤是“傻瓜式”的安装，建议安装在C盘，无需修改默认路径，下面列举几个重要的安装步骤。打开cmd，输入nvcc --version查看版本号，输入set cuda查看设置的环境变量。将下载的cuDNN压缩包解压，并将里面3个文件夹复制到cuda的安装目录下，默认安装目录是。执行.\bandwidthTest.exe和.\deviceQuery.exe，得到下图。详情见之前安装TensorFlow2.1的教程，都是一样的步骤。登录完毕后，再去下列网址选择你需要下载的版本。添加如下4条路径信息。

CUDA和CuDNN安装

科研笔记

10-21

1246

CUDA，CuDNN安装配置

cuda和cuDNN的安装

dalao_whs的博客

08-10

1266

安装cuda和cuDNN

CUDA和cudnn的安装

兀坐晴窗独饮茶

06-19

295

参考 https://blog.csdn.net/weixin_44170512/article/details/103990592 CUDA 和 TF的版本匹配(在最下面) : https://www.tensorflow.org/install/source_windows 准备步骤最新版本的TensorFlow2.1.0匹配的是10.1版本的CUDA Toolkit 建议用迅雷下载 CUDA下载地址 : https://developer.nvidia.com/compute/cuda

深度学习电脑配置：cuda和cudnn安装步骤

06-10

深度学习电脑配置：cuda和cudnn安装步骤

pytorch安装GPU版本cuda和cudnn安装配置

01-22

pytorch安装教程gpu,pytorch安装GPU版本cuda和cudnn安装配置

12-2 cuda和cudnn安装1

08-08

总结来说，安装CUDA和cuDNN需要注意版本兼容性，包括CUDA、驱动和cuDNN，同时要处理可能出现的安装错误，如驱动不兼容、注册问题和路径配置等。正确配置后，可以充分利用GPU的并行计算能力，提升深度学习模型的训练...

Windows10系统下CUDA和cuDNN安装教程

Angeldream123的博客

05-20

2万+

安装之前，先简单了解一下CUDA和cuDNN： CUDA (ComputeUnified 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。 NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开

Ubuntu-Nvidia深度学习环境（CUDA,cuDNN,tensorRT,docker）配置

qq_43458079的博客

12-23

3403

Ubuntu22.04全新升级安装CUDA12.8,nvidia的docker支持，cuDNN,tensorRT的全过程配置记录，仅供参考

Pytorch环境配置——cuda、、cudnn、torch、torchvision对应版本（最全）及安装方法

热门推荐

Williamcsj的博客

04-02

6万+

Pytorch环境配置——cuda、、cudnn、torch、torchvision对应版本（最全）及安装方法

cuda、cudnn、英伟达驱动版本对应关系

Lee_queenie的博客

03-01

1万+

根据显卡型号、cuda版本确定英伟达驱动版本能够支持某一型号的GPU的英伟达驱动是一定的，我们想使用的tensorflow版本也是已知的，该tensorflow版本依赖的cuda版本也是一定的。所以根据显卡型号和cuda版本可以确定显卡驱动。参考链接： https://www.jianshu.com/p/7f6ae178121c https://blog.csdn.net/weixin_42545878/article/details/94735192 英伟达驱动、cuda、cudnn之间版

cuda和cuDNN安装

01-01

### 安装 CUDA 和 cuDNN #### Linux 系统上的安装过程对于Linux系统，安装CUDA和cuDNN的过程涉及几个关键步骤。确保下载与系统架构相匹配的版本[^1]。首先，通过访问NVIDIA官方网站获取适合系统的CUDA Toolkit版本。完成下载后，按照官方文档指导执行安装命令。通常情况下，这涉及到运行安装脚本或使用包管理器进行安装： ```bash sudo dpkg -i cuda-repo-ubuntu2004_11.4.1-1_amd64.deb # 示例命令，具体取决于所选版本 sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub sudo apt-get update sudo apt-get install cuda ``` 接着，为了使环境变量生效，在`~/.bashrc`文件中添加如下路径设置： ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH source ~/.bashrc ``` 随后，针对cuDNN部分，同样需前往NVIDIA官网下载对应于已安装CUDA版本的cuDNN库，并解压至指定位置。最后一步是复制必要的动态链接库到CUDA目录下以便程序调用[^3]： ```bash tar -xzvf cudnn-linux-x86_64-*.*.*_*-archive.tar.xz sudo cp cuda/include/cudnn*.h /usr/local/cuda/include/ sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` #### Windows 系统上的安装指南在Windows环境下，推荐采用图形界面方式进行CUDA工具包的部署。启动安装向导前，请确认计算机硬件支持DirectX 12及以上标准以及拥有至少4GB显存的GPU设备。遵循提示逐步完成整个流程即可成功配置开发环境。至于cuDNN，则可通过ZIP压缩包形式提供给用户自行提取至相应路径；注意保持两者版本间的兼容性关系[^2]。 #### macOS 上的操作建议由于macOS自带Metal API作为替代方案，因此原生支持并不理想。不过借助虚拟机或者双系统解决方案仍然可行实现上述功能需求。值得注意的是，苹果M系列芯片目前仅限特定条件下才能有限度地发挥CUDA效能。