【2022超详细版】Win10安装cuda（10.1、11.7）+cuDNN（7.6.5、8.5.0）+tensorflow(gpu版)+pytorch（gpu版）

已于 2023-08-17 14:43:30 修改
阅读量9.3k 收藏 47
点赞数 12
分类专栏： # 机器学习 深度学习 文章标签： 深度学习 python 人工智能 机器学习
于 2023-07-30 22:13:18 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/m0_63834988/article/details/128781572
版权

目录

1.查看显卡支持的CUDA版本

 查看版本

2.安装CUDA

官网

10.1版本

1. 下载地址

2. 安装过程

3. 将CUDA的路径添加到环境变量中

11.7版本与10.1有区别的部分

1. 安装位置

2. 默认添加环境变量

检验安装

 卸载CUDA

3.下载cuDNN

CUDA10.1版本+cuDNN7.6.5

CUDA11.7版本+cuDNN8.5.0

检验是否安装成功

4.安装tensorflow_gpu

1. 版本匹配问题，这里使用python3.7

2. 安装命令

3. 运行报错及解决方案

5.安装pytorch_gpu

查看版本匹配

10.1

1. pip安装

2. conda安装

11.7

1.查看显卡支持的CUDA版本

 

 查看版本

Release Notes :: CUDA Toolkit Documentation (nvidia.com)https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

 根据数值选择相应cuda版本

2.安装CUDA

官网

        从NVIDIA官方网站上下载适合你系统的CUDA Toolkit安装包。

CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive

10.1版本可全装其他盘，11.7版本会有2个多G固定装在C盘

10.1版本

1. 下载地址

CUDA Toolkit 10.1 original Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-10.1-download-archive-base?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

2. 安装过程

        根据CUDA Toolkit的安装向导，选择适合你的选项进行安装，可以根据你的需求进行自定义安装。

  • 双击.exe进行安装

  • 临时文件，安装后自动清除

 

默认C盘，建议更改到D盘如图所示目录，便于后续添加环境变量

3. 将CUDA的路径添加到环境变量中

        安装完成，需要将CUDA的路径添加到你的系统环境变量中。在Windows操作系统上，可以通过右键点击"计算机"（或"此电脑"）-> 属性 -> 高级系统设置 -> 环境变量，在系统变量中找到"Path"变量并添加CUDA的安装路径。

        新建如下环境变量，自己根据实际情况进行修改

D:\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64

D:\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include

D:\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPT\lib64

D:\CUDA\NVIDIA Corporation\CUDA Samples\v10.1\bin\win64

D:\CUDA\NVIDIA Corporation\CUDA Samples\v10.1\common\lib\x64

(可选择新建，亦可选择“浏览”找到相应文件夹)

11.7版本与10.1有区别的部分

        11.7安装过程可参照前文，这里仅介绍有区别的部分

1. 安装位置

        缺NVIDIA Corporation的（2个多G）固定装在C盘

2. 默认添加环境变量

        不需要手动添加环境变量

检验安装

nvcc -V
set cuda

 卸载CUDA

        卸载框选的4个：

3.下载cuDNN

CUDA10.1版本+cuDNN7.6.5

  1. 官网下载(需要先注册)cuDNN Archive | NVIDIA Developerhttps://developer.nvidia.com/rdp/cudnn-archive

        下载后，解压，然后将bin、include、lib文件夹下的文件直接复制到CUDA安装目录中的对应位置。

CUDA11.7版本+cuDNN8.5.0

检验是否安装成功

bandwidthTest.exe

        "bandwidthTest.exe"用于测试CUDA设备的内存带宽。运行此可执行文件将显示出设备的内存读取和写入带宽信息，以及带宽测试的结果。这对于评估设备的性能和了解其内存访问速度非常有用。

deviceQuery.exe

        "deviceQuery.exe"用于查询CUDA设备的属性和功能。运行此可执行文件将显示出设备的名称、计算能力、CUDA核心数量、内存总量、内存时钟频率等信息，以及设备支持的CUDA功能和特性。这对于了解设备的硬件规格和功能非常有用。

4.安装tensorflow_gpu

1. 版本匹配问题，这里使用python3.7

python -m site

        显示Python解释器搜索模块的目录列表，以及Python的安装信息和配置文件位置。

2. 安装命令

conda install tensorflow-gpu==2.3.0

亦可使用pip命令

3. 运行报错及解决方案

①报错

AttributeError: module 'tensorflow.python.framework.ops' has no attribute '_TensorLike'

改

②报错

2022-11-22 19:57:04.351092: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN)to use the following CPU instructions in performance-critical operations:  AVX AVX2

To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.

2022-11-22 19:57:04.351092: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN)to use the following CPU instructions in performance-critical operations:  AVX AVX2

To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.

        这个报错信息表明你的TensorFlow二进制文件是经过优化的，使用了oneAPI Deep Neural Network Library (oneDNN)来在性能关键的操作中使用特定的CPU指令，包括AVX和AVX2。 然而，这个优化只适用于一些性能关键的操作，对于其他操作可能并没有启用这些指令。如果你希望在其他操作中也启用这些指令，你需要重新编译TensorFlow，并使用相应的编译器标志来启用AVX和AVX2指令集。

         AVX（Advanced Vector Extensions-Intel® AVX) 是intel 优化CPU用于浮点计算的技术,如果有GPU了，其实不用考虑该警告讯息。 不过， 不管怎么说， 如果不愿意看到该警告讯息， 可以加上如下2行代码：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

       该代码是用来设置TensorFlow的日志级别的。通过设置os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'，将日志级别设置为最低级别，即只显示错误信息，不显示其他日志信息。这可以帮助减少不必要的日志输出，使程序的运行输出更加简洁。

5.安装pytorch_gpu

查看版本匹配

Previous PyTorch Versions | PyTorchhttps://pytorch.org/get-started/previous-versions/

10.1

1. pip安装

pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

2. conda安装

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch

11.7

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

记录安装CUDA10.1+cudnn7.6.5+TensorFlow GPU2.1.0版本（Win10系统）
callyoumine的博客
09-29 772
首先说明一下：我之前已经装好了Anaconda3(pyhon3.7) 我要装的是TensorFlow GPU 2.1.0版本，安装之前一定要看好版本对应，以下是我借鉴的一篇博客的关于版本对应的情况：keras和tensorflow、python的版本对应 此外，对应的是：CUDA10.1 ， cuDNN7.6.5 再次声明：以上版本一定要对应，不能更改！ 第一步：创建一个新的python3.6的TensorFlow环境 由于我要装的是TensorFlow GPU 2.1.0版本的，所以要将anaconda的
win10+cuda10.2+cudnn7.6.5+MX350安装tensorflow-gpu及可能遇到的问题
weixin_44424340的博客
07-17 2983
断断续续装了好久，每次遇到问题解决不了就拖一拖，过段时间再下定决心继续装，心里想着等我装成功了一定要写篇文章记录一下回报社会，今天终于装好啦哈哈哈哈哈哈。其实装好再看确实不难，就是装的时候一遇到问题会觉得麻烦，尤其是百度的方法都试了还解决不了的时候。以后要再耐心一点，慢慢改掉拖延症！我的电脑是联想小新15 2020，显卡MX350。 一、安装步骤 1、安装Anaconda Anaconda下载地址：https://www.anaconda.com/products/individual 根据自己的电脑选择对
windows10环境下的CUDA9.1安装包
01-04
外网一般下载到最后都是失败，此次上传的是CUDA9.1，需要的小伙伴可以下载
Win10安装CUDA
RunAtWorld：常常想想自己能解决什么问题
04-19 1万+
目录 安装Nvidia显卡驱动 安装Tookit和CuDNN 前言 安装工具的准备 CUDA 安装与配置过程 cuDNN配置 安装PyTorch 卸载CUDA 1.前言 2.卸载开始 参考 安装Nvidia显卡驱动 安装Nvidia显卡驱动前可以先检查Nvidia显卡驱动是否已安装。搜索 Nvidia控制面板 或 Nvidia Control Panel可以看到当前已经安装的显卡驱动及版本 如需安装显卡驱动，在官方驱动下载网站找到自己的显卡型号对应的驱动下载并安装
cuDNN7.6.5压缩包下载说明：提供深度神经网络加速库，提升GPU应用性能
最新发布
gitblog_06776的博客
04-12 639
cuDNN7.6.5压缩包下载说明：提供深度神经网络加速库，提升GPU应用性能 【下载地址】cuDNN7.6.5压缩包下载说明 cuDNN7.6.5压缩包为深度学习开发者提供了便捷的GPU加速解决方案。无需繁琐的注册流程，用户可直接下载并使用该压缩包，配合CUDA v10.1版本，显著提升深度神经网络的计算性能。解压后，...
【CUDA】windows10下的CUDA安装
enteracity的博客
01-09 6586
如果是第一次安装，
cuda在windows10安装教程
qq_45041871的博客
11-20 6587
cuda在windows10下载安装教程
conda安装cuda10.1+cudnn7.6.5，conda安装深度学习gpu环境
09-28
在本教程中，我们将聚焦于如何通过conda环境管理器来安装CUDA 10.1和CUDNN 7.6.5，并创建一个适合PyTorch的GPU环境。 首先，确保你有一台装有NVIDIA显卡且驱动程序已更新到兼容CUDA 10.1的计算机。你可以从NVIDIA...
pytorch安装pytorch+gpu版本安装，pytorch+cuda10.1+cudnn7.6.5安装
09-28
本教程将详细讲解如何在系统中安装PyTorch与GPU支持，特别是与CUDA 10.1和CUDNN 7.6.5配合使用的版本。 首先，了解CUDA和CUDNN是关键。CUDA是NVIDIA开发的一种并行计算平台和编程模型，它允许开发者使用GPU进行高...
cuda 安装教程（win10）
qq_63034152的博客
06-13 4131
打开 nvidia控制面板 (桌面右键) >>> 选择左下角的系统信息 >>> 组件。小编这里以11.7为例进行，注意：高版本兼容低版本。这里我以11.7 版本为案例。
windows10安装cuda
weixin_44543418的博客
03-11 197
https://www.pianshen.com/article/51211787623/
WIN10安装CUDA10.1
糖葫芦糖的博客
04-25 1455
1、安装CUDA10.1可以直接百度搜索CUDA10.1 2、点击进入之后，选择好后开始下载 3、CUDA的下载时间会比较久，可以在此期间去下载cuDNN。cuDNN需要注册登录的，注册完登录就可以下载了，根据你安装的CUDA版本和电脑型号选择相应的下载 4、下载完成，先点击cuda安装 这一步直接放在C盘也可以，安装完后它会自动清空 点击同意并继续后选择自定义安装 ...
Windows10系统CUDA和CUDNN安装教程
yang4123的博客
10-07 1万+
Windows10系统下安装CUDA和CUDNN保姆级教程
WIN10安装CUDA保姆级教程[2023.5.7更新]
热门推荐
ZHUO__zhuo的博客
05-07 3万+
不要选Visual Studio Integration，即使选了也不能成功安装。记住以下安装位置，tensorflow要求配置环境重点提醒：一定要记住这个路径，把这个路径保留下来，后面我们还会用到！！！安装完成后，鼠标右键此电脑->属性->高级系统设置->环境变量，查看系统变量即可看到红色框选的两项。或者直接在电脑搜索编辑系统环境变量打开。查看系统变量中是否添加了路径，如果没有需要自己添加。
【CUDA】WIN10安装CUDA保姆级教程
qq_43331089的博客
11-13 2270
不要选。
Windows10安装CUDA
moshiyaofei的博客
11-30 379
1.从官网下载离线安装包之后，我安装的是cuda10.1，双击运行，第一步是解压，解压完成后，然后点击自定义， 2.选择要安装的组件，只选这4项就行，其他都不选。 3.之后会选择刚才选择的组件的安装位置，注意不要选cuda的解压目录，因为安装完成之后解压目录会删除，会导致安装的目录被删除。 我是选的其他目录，当然也可以用默认的目录。 4. 然后，下一步，等待安装完成之后，...
Windows10安装cuda
qq_41425646的博客
05-08 3355
安装方法一： 1、打开Nvidia控制面板，选择“管理3D设置”，点击左下角“系统信息”，在弹出来的界面中选择“组件”，查看“NVCUDA64.DLL”，右边即为可下载的cuda版本，我这里是CUDA 11.6。 2、到cuda官网下载对应版本的安装包，然后安装。安装步骤可参考https://blog.csdn.net/m0_37605642/article/details/99100924 但是我最后还是安装失败，显示所有组件未安装。然后试了方法二成功的。 安装方法二： 1、确保Anaconda已下载
在Win10上安装CUDA
weixin_43858148的博客
11-29 1271
在Win10上安装CUDA 今天给大家简单地介绍一下如何在Win10上面安装CUDA 操作系统: Win10 family GUP型号: NVIDIA GTX 960M 下载安装 Visual Studio 2015 (链接 http://blog.postcha.com/read/66), 不要安装最新的 VS2017 因为这个版本的VS可能不能降级到 VS2015 (具体讨论请看 htt...
WIN10安装cuda11.7和cudnn
03-31
1. 下载CUDA 11.7和cuDNN库 首先需要下载CUDA 11.7和cuDNN库。官网下载地址如下： - CUDA 11.7：https://developer.nvidia.com/cuda-117-download-archive - cuDNN：https://developer.nvidia.com/rdp/cudnn-download 根据操作系统版本和CUDA版本选择对应的下载链接。 2. 安装CUDA 11.7 下载好CUDA 11.7后，双击运行安装程序，按照提示进行安装。在安装过程中，需要注意以下几点： - 选择安装路径：默认情况下，CUDA会安装到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7路径下。如果需要更改安装路径，可以在安装程序中进行更改。 - 安装选项：如果只需要安装CUDA Toolkit，可以选择“Custom”选项，然后取消勾选其他组件。如果需要安装所有组件，可以选择“Express”选项。 - 安装完成后，需要将CUDA的bin目录添加到系统环境变量中，这样才能在命令行中使用CUDA。 3. 安装cuDNN 下载好cuDNN后，将压缩包解压到任意目录下。然后将解压后的目录中的文件复制到CUDA的安装目录下，具体操作如下： - 打开解压后的目录，找到与CUDA版本对应的文件夹（例如：cuda-11.7）。 - 将该文件夹下的bin、include和lib文件夹分别复制到CUDA的安装目录下的对应文件夹中。例如：将bin文件夹下的所有文件复制到CUDA的安装目录下的bin文件夹中。 4. 验证安装 安装完成后，需要验证CUDA和cuDNN是否安装成功。可以使用以下命令进行验证： - 在命令行中输入nvcc -V命令，查看CUDA版本信息。 - 在命令行中输入python，然后输入import tensorflow as tf和import torch命令，查看是否能够成功导入TensorFlow和PyTorch。 如果以上验证都能够顺利通过，说明CUDA和cuDNN已经安装成功。
评论 2
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

打赏作者

QomolangmaH

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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