2025 CUDA 和 cuDNN 在 Windows 上如何安装配置（保姆级详细版）

于 2025-04-19 08:30:00 发布
阅读量1k 收藏 13
点赞数 25
分类专栏： 机器学习 软件安装 文章标签： windows CUDA cuDNN NVIDIA 显卡驱动
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_66434421/article/details/147337716
版权

2025 CUDA 和 cuDNN 在 Windows 上如何安装配置（保姆级详细版）

一、前期准备，更新显卡驱动（可选）

  1. 如果你之前没有安装过显卡驱动，或者用的一直都是原厂安装版本，建议重新安装，更新显卡驱动。重新安装之后在查看对应的 CUDA 和 cuDNN 版本进行安装。如果你目前使用的是稳定版的显卡驱动，不建议更新，请直接阅读第二点。

  2. 按住 Win+X 打开设备管理器，找到 显示配置器 查看显卡版本，比如：我的显卡是：NVIDIA GeForce RTX 3050 Laptop GPU, 为 RTX 30 系列，Laptop 表示电脑是笔记本。
    在这里插入图片描述

1.1 下载显卡驱动

  1. 官网地址：点击进入 NVIDIA 官网
    打开 NVIDIA 官网，找到 驱动程序， 选择型号后，点击开始搜索。

    • 产品类型： GeForce。
    • 产品系列：根据你的显卡型号选择, （Notebooks） 表示你的电脑是笔记本，如果你的电脑是台式机，选择不带（Notebooks）的型号。
    • 产品：根据你的显卡型号选择。
    • 操作系统：根据自己电脑的操作系统进行选择，按住 Win+i 打开设置，选择系统，找到系统信息，查看系统版本。
    • 语言：选择 Chinese(Simplified)，简体中文的意思。
    • 下载类型：选择全部。
    • 点击 开始搜索，选择第一个，下载安装。

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

  2. 下载完成后点击安装，安装路径保持默认，安装在C盘。选择第二个：NVIDIA 图形驱动程序，点击同意并继续。选择自定义（高级），点击下一步。勾选执行清洁安装，点击下一步，等待安装完毕。

二、安装 CUDA

2.1 查看支持的最高版本

  1. 打开 cmd, 输入：nvidia-smi, nvidia-smi显示的CUDA版本是Driver API支持的最高版本。
    在这里插入图片描述2. 或者打开NVIDIA控制面板查看。Win+S 搜索NIVIDA --> 打开 NVIDIA 控制面板 --> 点击帮助 --> 点击系统信息 --> 点击组件 --> 找到 NVCUDA64.DLL --> 查看版本号，只需要看前两位 12.9.x, 就可以了，进入官网下载：12.9.x 版本。（这里根据自己电脑显卡型号，下载对应版本）
    在这里插入图片描述
    在这里插入图片描述

2.2 下载 CUDA

  1. 下载 CUDA，CUDA 版本应 ≤ nvidia-smi显示的 Driver API支持的最高版本。这里我选择的是：CUDA 12.4.1 版本， 你们根据自己的需求进行选择。
    PyTorch官网：点击进入 PyTorch 官网
    在这里插入图片描述

    下载地址：CUDA官方下载地址
    在这里插入图片描述

  2. 选择 windows, 选择 x86_64, 选择 win_11, 选择 （local），点击下载。
    在这里插入图片描述

2.3 安装 CUDA

  1. 建议保持默认，如果安装在D盘或其他盘可能会安装失败。
    在这里插入图片描述
  2. 选择自定义（高级）
    在这里插入图片描述
  3. 勾选最新版本大于当前版本的选项，若当前版本没有，则代表未安装，需要勾选。【注意】：不同版本的CUDA安装时，选择的组件可能不同，也就是下图你的界面可能与我的界面不同。（如果你是12.4版本，则与我的界面相同）
    在这里插入图片描述
  4. 安装位置保持默认
    在这里插入图片描述
  5. 打开cmd, 输入：nvcc --version，如果输出以下内容则安装成功，否则安装失败。
    在这里插入图片描述

2.4 卸载 CUDA

  1. 打开控制面板（Win+S 搜索），点击程序（卸载程序），卸载 CUDA 12.4， 重新下载安装。
    在这里插入图片描述
    在这里插入图片描述

三、安装 cuDNN

  1. 下载地址：点击进入 cuDNN 下载官网
    注意：下载 cuDNN 需要注册登录 NVIDIA 账号，在 NVIDIA 官网注册登录。
    在这里插入图片描述
    在这里插入图片描述

3.1 解压 cuDNN 文件

  1. 下载之后解压，将加压后的 cuDNN 文件夹中的 bin, include, lib 3个文件夹复制进 CUDA 安装目录中：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4
    在这里插入图片描述
  2. 配置环境变量， 打开系统环境变量，找到PATH，双击进行编辑，添加以下内容：
    在这里插入图片描述
  3. 检测 cuDNN 是否安装成功，检查以下路径是否存在 cuDNN 文件：
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\include\cudnn.h
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\lib\x64\cudnn.lib

END 配置完成

【深度学习环境配置】Anaconda + PyCharm + CUDA + cuDNN + PyTorch + OpenCV
shinuone的博客
02-23 1万+
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
windows安装CUDA教程
Christal_pyy的博客
08-13 5811
安装完成后，会提示Nsight Visual studio的整合情况，这里提示安装了vs2019版的，正是我们前面安装的VS版本，这样就能在vs2019里面做GPU方面的开发了。我们前面已经安装vs2019了，所以我就不取消了，下一步就是选择安装的位置了，你可以直接默认安装在C盘，如果 你像我一样自定义的话，需要记住安装的位置，后面需要用到。把CUDA选一下，还需要注意一点，如果 你前面没有安装vs，直接安装的这个，需要把CUDA里面的。这里提示了你选择的组件的安装情况，到这就安装好了，点击关闭。
windows 安装anaconda、cuda、cudnn
m0_53931365的博客
03-17 1467
给自己游戏本配置环境时，发现之前的文章收费了QAQ，打算自己写一篇，方便参考
基于Windows的CUDA安装 (Setup CUDA on Windows)
pretend_b的专栏
12-09 2224
操作系统(OS):                      Windows 7集成开发环境(IDE):               Microsoft Visual Studio 2008 SP1CUDA版本(CUDA Version):   3.0进行CUDA编程时支持CUDA的硬件不是必须的，CUDA提供了用CPU模拟GPU运行的模式，所以CUDA程序可以在任何配置的机器上编写。但是，想要体验CUDA的大规模并行的高速运算，支持CUDA的硬件是必须的。下载CUDA下载：http://developer
最详细！Windows下的CUDA与cuDNN详细安装教程
BQ Blog
01-26 7万+
本篇文章将详细从如何安装CUDA与cuDNN开始，到基本配置结束，帮助大家理清配置流程，做好环境配置的基础工作
windows系统CUDA的详细安装教程
二爷的博客
04-23 1万+
hello,大家好，之前一直在ubuntu系统上做开发，今天给大家分享如何在windows系统上安装CUDA。首先需要下载两个安装包，CUDA toolkit 和 cuDNN，CUDA（Compute Unified Device Architecture）是由NVIDIA开发的并行计算平台和编程模型。它利用了NVIDIA的GPU（图形处理器）来加速计算任务，使得许多复杂的计算任务可以在GPU上并行处理，从而提高计算性能。
windows上cuda的安装
Major_S的博客
04-17 300
windows上cuda的安装windows上cuda的安装windows上cuda的安装 CUDNN需要注册账号 解压 三个文件复制到 下面。 之后　ｃｄ　一下 运行两个命令 demo检测 PASS 即成功 设备检测 PASS 即成功
【CUDA】cuda安装 （windows版）
热门推荐
haoweixl的博客
05-25 27万+
【CUDA】cuda安装 （windows版）前言官方教程安装工具的准备CUDA toolkit DownloadcuDNN Download2. CUDA 安装与配置过程测试环境是否安装成功2、cuDNN配置运行官方自带的demo 前言 windows10 版本安装 CUDA ，首先需要下载两个安装包 CUDA toolkit（toolkit就是指工具包） cuDNN 官方教程 CUDA：https://docs.nvidia.com/cuda/cuda-installation-guide-mic
Windows CUDA安装教程（超详细）
weixin_45131680的博客
02-27 4936
windows10 版本安装CUDA，首先需要下载两个安装包CUDA toolkit（toolkit就是指工具包）cuDNN注：cuDNN 是用于配置深度学习使用官方教程。
Windows下安装CUDA
weixin_44323744的博客
07-23 2471
Windows下安装CUDA
windows安装cuda简易教程
weixin_43907136的博客
09-23 1万+
在windows环境中选择适合cuda版本进行下载安装，以进行后续的深度学习等工作。
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
手把手教你在Windows上安装CUDA
09-09
CUDA(Compute Unified 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。 这个教程手把手教你在Windows上安装CUDA来加深你的深度学习。
CUDA安装教程（超详细Windows版）
AI_dataloads的博客
09-19 3万+
首先先按Win键 + R键，打开Windows命令运行框，并输入cmd回车（Enter）打开控制台命令窗口，输入nvidia-smi回车得到以下窗口这里的12.2就是驱动对应的版本，我们所安装的CUDA版本它即可。
【保姆级教程】Windows安装CUDA及cuDNN
信小海
02-12 3万+
2023最新版：在Windows环境下安装CUDA及cuDNN的保姆级教程。
Windows 10下CUDA及cuDNN的安装
团子7号
08-13 9725
为了配置OPenPose的环境，所以先得安装好CUDA和cuDNN。CUDA是NVIDIA推出的用于自家GPU的并行计算框架，CUDA在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库...
CUDA超详细安装教程（windows版）
virobotics的博客
02-28 1万+
Hello，大家好，这里是virobotics（仪酷智能科技），一个深耕于LabVIEW和人工智能领域的开发工程师。今天给大家分享如何在windows系统上安装CUDA。
Windows10安装CUDA和cuDNN
丑小鸭
05-09 2159
前言 我们都知道，CUDA和cuDNN是用来加速深度学习计算的，那么怎么在Windows上面安装CUDA以及cuDNN呢？ 准备阶段 1 自己电脑上应该有Nvidia显卡，显存最好8G或者8G以上，当然4G或者6G也行，只不过就是Batch size 设置小一点 2 查看Nvidia显卡版本，一般Windows上有显卡的话，显卡驱动都是自动安装的，所以我们可以通过命令行，然后输入Nvidia-smi来查看自己电脑上的驱动版本: 这里我的显卡驱动版本是432.0 ，CUDA版本为10.1，这里 需要注
Windows配置cuda，并安装配置Pytorch-GPU版本
呆萌的代Ma
12-27 1890
Windows配置cuda，并安装配置Pytorch-GPU版本
windows安装cuda和cudnn2025
最新发布
03-31
<think>好的，我现在需要帮用户解决在Windows上安装CUDA和cuDNN的问题。首先，我得回忆一下自己之前处理类似问题的经验，以及查看提供的引用内容。 用户的问题是关于Windows安装CUDA和cuDNN的步骤以及版本兼容性。根据引用内容，特别是引用[1]和引用[3]，关键点包括版本选择、安装步骤和环境变量配置。不过，用户提供的引用中有部分信息可能有点混乱，比如引用[3]提到CUDA 9.1的版本，但引用[1]推荐的是CUDA 11.8。我需要确认最新的推荐版本，同时考虑到TensorFlow的兼容性。 首先，确定用户可能使用的框架，比如TensorFlow或PyTorch，这些框架对CUDA和cuDNN版本有特定要求。根据引用[1]，TensorFlow 2.15.x需要CUDA 11.8和cuDNN 8.6。因此，安装最新兼容版本是关键。但用户可能使用的是其他版本，需要检查对应表格。 接下来，安装步骤。引用[1]提到Windows用户下载exe文件后选择自定义安装，取消GeForce Experience，然后配置环境变量。引用[3]提到了版本冲突的问题，比如安装时如果本地有旧版本，需要处理兼容性，可能需要卸载旧版本或者选择正确版本。 然后，cuDNN的安装步骤，根据引用[2]，可能需要将cuDNN的文件复制到CUDA的安装目录，并设置环境变量。这里需要具体说明如何下载cuDNN，解压并复制文件。 另外，验证安装的部分也很重要，用户可能需要运行nvcc --version和deviceQuery来确认CUDA安装成功，以及检查cuDNN是否被正确识别。 需要注意的是，用户可能在安装过程中遇到版本不匹配的问题，比如安装了不兼容的CUDA和cuDNN版本，或者驱动版本过低。因此，强调检查版本兼容性，尤其是框架要求的特定版本，这一点很重要。 最后，生成相关问题的时候，需要考虑用户可能的后续疑问，比如如何验证安装、解决版本冲突、多版本管理等。 整理步骤时，需要按逻辑顺序：检查驱动、下载CUDA、安装CUDA、下载cuDNN、配置cuDNN、环境变量、验证安装。同时，强调版本选择的重要性，并提供参考链接。</think>### Windows安装CUDA和cuDNN完整步骤 #### 一、安装前准备 1. **检查NVIDIA驱动版本** - 右键桌面 → 打开**NVIDIA控制面板** → 点击左下角**系统信息** → 查看“驱动程序版本”（需支持目标CUDA版本，推荐更新至最新驱动）[^2]。 2. **确认版本兼容性** - **TensorFlow/CUDA/cuDNN对照表**（以TensorFlow为例）： | TensorFlow版本 | CUDA版本 | cuDNN版本 | |----------------|----------|-----------| | 2.15.x | 11.8 | 8.6 | | 2.12.x | 11.8 | 8.6 | 推荐安装**CUDA 11.8 + cuDNN 8.6**（兼容性最佳）[^1]。 #### 二、安装CUDA Toolkit 1. **下载CUDA** - 访问[CUDA Toolkit Archive](https://developer.nvidia.cn/cuda-toolkit-archive) → 选择**CUDA 11.8.0** → 点击“Windows 10”对应版本下载（文件名如`cuda_11.8.0_win10.exe`）[^1]。 2. **安装CUDA** - 运行安装程序 → 选择“自定义安装” → **取消勾选“NVIDIA GeForce Experience”**（避免冲突）[^3]。 - 默认安装路径：`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8`。 3. **配置环境变量** - 添加以下路径到系统环境变量`PATH`： ``` C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp ``` #### 三、安装cuDNN 1. **下载cuDNN** - 访问[NVIDIA cuDNN下载页](https://developer.nvidia.cn/cudnn) → 登录账号 → 选择**cuDNN 8.6.0 for CUDA 11.x** → 下载ZIP文件。 2. **解压并复制文件** - 解压ZIP文件 → 将以下文件夹内容复制到CUDA安装目录： - `cuda\bin\*` → `CUDA\v11.8\bin` - `cuda\include\*` → `CUDA\v11.8\include` - `cuda\lib\x64\*` → `CUDA\v11.8\lib\x64` #### 四、验证安装 1. **检查CUDA版本** - 打开命令提示符 → 输入： ```bash nvcc --version ```
评论
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