CUDA和cudnn详细安装过程【通用win】

1 软硬件资源

仅作参考，其他型号通用

• win 11 32内存
• 显卡 RTX 2080Ti ，驱动版本号：516.59
• python 3.8.10
• torch 1.8.0 框架
• cudatoolkit 11.1
• cudnn 8.0.4

2 查看适用cuda版本

2.1 查看本机的cuda算力

安装之前先进入官网查看自己的显卡能不能用，可以去https://developer.nvidia.com/cuda-gpus查看支持cuda的显卡，

image.png

发现自已的显卡支持算力是 7.5

2.2 查看支撑CUDA的最大版本

nvidia-smi

如红色标记，,本机配置最大版本可以安装到11.7，所以CUDA version11.7以下都可以安装。

2.3 CUDA驱动和CUDA Toolkit对应版本

表一：CUDA驱动及CUDA Toolkit最高对应版本

image.png

最新可查阅官方文档

注：驱动是向下兼容的，其决定了可安装的CUDA Toolkit的最高版本。

cuDNN与CUDA

官网：https://developer.nvidia.com/rdp/cudnn-archive

cuDNN	CUDA
8.1.0	11.2、11.1、11.0、10.2
8.0.5	11.1、11.0、10.2、10.1
8.0.4	11.1、11.0、10.2、10.1
8.0.3	11.0、10.2、10.1
8.0.2	11.0、10.2、10.1
8.0.1	11.0、10.2
7.6.5	10.2、10.1、10.0、9.2、9.0
7.6.4	10.1、10.0、9.2、9.0
7.6.3	10.1、10.0、9.2、9.0
7.6.2	10.1、10.0、9.2、9.0
7.6.1	10.1、10.0、9.2、9.0
7.6.0	10.1、10.0、9.2、9.0
7.5.1	10.1、10.0、9.2、9.0
7.5.0	10.1、10.0、9.2、9.0
7.4.2	10.0、9.2、9.0
7.4.1	10.0、9.2、9.0
7.4.0	10.0、9.2、9.0
7.3.0	10.0、9.0
7.2.1	9.2

2.4 CUDA Toolkit版本与PyTorch对应版本

表二：CUDA Toolkit版本及可用PyTorch对应关系（参考官网）

CUDAToolkit版本	可用PyTorch版本
7.5	0.4.1 ，0.3.0， 0.2.0，0.1.12-0.1.6
8.0	1.1.0，1.0.0 ，0.4.1
9.0	1.1.0，1.0.1, 1.0.0，0.4.1
9.2	1.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0，1.2.0，0.4.1
10.0	1.2.0，1.1.0，1.0.1 ,1.0.0
10.1	1.7.1，1.7.0，1.6.0，1.5.1，1.5.0， 1.4.0，1.3.0
10.2	1.7.1，1.7.0，1.6.0，1.5.1，1.5.0
11.0	1.7.1，1.7.0
11.1	1.8.0，1.8.1，1.9.0，1.9.1，1.10.0，1.10.1

注：虽有的卡驱动更新至较新版本，且CUDA Toolkit及PyTorch也可对应更新至新版本。但有的对应安装包无法使用，有可能是由于卡太旧的原因。

2.5 选定版本

选择：本次决定安装 version 11.1。

3 cuda安装

3.1 cuda和cudnn下载

3.1.1 cuda下载

在nvidia官网下载cuda版本11.1.1，并安装

地址为https://developer.nvidia.com/cuda-toolkit-archive。建议采用runfile**（local）**方式下载安装。

下载：https://developer.download.nvidia.cn/compute/cuda/11.1.1/local_installers/cuda_11.1.1_456.81_win10.exe

3.1.2 cudnn下载

从nvidia官网下载cudnn8.0

https://developer.nvidia.com/rdp/cudnn-archive

3.2 cuda安装

安装exe软件包，下一步，走起！

1 先安装VS2019（很重要）

2 cuda的驱动也要安装，我这里提前安装好啦

安装具体也可参考cuda和VS的安装

下载完打开安装程序，安装路径选择自定义，自定义选项，选择cuda 打勾，然后一路下一步安装完成

安装cuda时，只选中CUDA（但是里面有一个VS没有选择，其余都选择啦），其余未选中，然后默认安装。

安装完成后出现一些log信息，这些信息不影响，毕竟我已经提前安装VS2019啦。

Installed:
     - Nsight for Visual Studio 2019
     - Nsight Monitor
Not Installed:
     - Nsight for Visual Studio 2017
       Reason: VS2017 was not found
     - Nsight for Visual Studio 2015
       Reason: VS2015 was not found
     - Integrated Graphics Frame Debugger and Profiler
       Reason: see https://developer.nvidia.com/nsight-vstools
     - Integrated CUDA Profilers
       Reason: see https://developer.nvidia.com/nsight-vstools

3.3 配置环境变量

根据上面的步骤，安装完后，去配置环境变量，发现环境配置自动完成啦，如果没有配置完成，请自我配置即可。

检查图中有两个环境变量

image.png

配置 Path

---

3.4 cuda - 验证安装

如下所示，表示 cuda安装成功

3.5 cudnn神经网络加速库安装

把下载的cudnn解压出来，cuda目录里文件（bin，include，lib，NVIDIA_SLA_cuDNN_Support.txt）拷贝到文件内（.\CUDA\v11.1）

添加cuda11.1的lib库环境变量，复制这个路径(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64)到环境变量里

image.png

结果如上面3.3 配置环境变量那一块。

至些cuda,cudnn配置完成

4 pytorch 1.8.0 安装

由于以前安装过CPU版本的pytorch，先卸载，后安装GPU版本的torch

PyTorch官网信息：

Linux and Windows

# RocM 4.0.1 (Linux only)
pip install torch -f https://download.pytorch.org/whl/rocm4.0.1/torch_stable.html
pip install ninja
pip install 'git+https://github.com/pytorch/vision.git@v0.9.0'

# CUDA 11.1 - 采用这个
pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

# CUDA 10.2
pip install torch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0

# CPU only
pip install torch==1.8.0+cpu torchvision==0.9.0+cpu torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

image.png

验证

安装后，使用代码验证是否能调用

import torch

print(torch.__version__ )# 查看pytorch版本
print(torch.cuda.is_available())    # 判断pytorch是否支持GPU加速
print(torch.version.cuda)   # 查看CUDA版本
print(torch.backends.cudnn.version())   # 查看cuDNN版本
print(torch.cuda.get_device_name()) # 查看显卡类型，设备索引默认从0开始

结果如下：

image.png

如果输出为True则表示GPU版本的pytorch安装成功！终于成功啦。

5 tensorflow-gpu 安装

上表没有涵盖cuda11.1
有的人说：cuda11.1 适配 tensorflow-gpu 2.5.0 keras 2.4.3

tensorflow-gpu 2.6.0
tensorflow 2.5.1