Windows NVIDIA-CUDA-cuDNN 安装配置

提示

如果不是做 cuda 编程，以下内容不必多看，直接不用看了！！！

引用一位大佬的话：https://blog.csdn.net/qq_42406643/article/details/109545766

里面所谓的那句话就是：conda install pytorch安装的是torch CPU版本，conda install pytorch torchvision -c pytorch安装的是GPU版本。

懂了吧？安装 GPU 版本的 PyTorch 或者 Tensorflow 的时候，默认就已经帮我们把 cudatoolkit cudnn 打包好了，如果你和我之前一样没有仔细看控制台安装信息的话，那么就会走许多的弯路！

可以参考我这篇博客：https://blog.csdn.net/qq_40750972/article/details/124217499

一、查看 NVIDIA 驱动版本号

cmd中：

nvidia-smi

如果提示找不到该命令，是因为没有在PATH路径中，无法直接找到可执行文件nvidia-smi所在的位置，所以直接进入所在的文件目录执行该文件即可：

cd "C:\Program Files\NVIDIA Corporation\NVSMI"  # 加引号是因为文件夹有空格，防止找不到该路径

./nvidia-smi.exe

如果对应的驱动版本太低（e.g. < 400），对应的cuda版本就越低（我这里没有默认安装 CUDATOOLKIT，但没有影响，后面会介绍怎么安装），此时应该首先升级NVIDIA驱动，有两种方法升级：

1. 在电脑的驱动管理界面找到NVIDIA显卡驱动，直接右键升级驱动（推荐，相比NVIDIA官网下载速度快）
   
2. 到NVIDIA官网下载驱动升级工具：https://www.nvidia.cn/geforce/drivers/
   
   下载完成安装，直接升级即可。

二、CUDATOOLKIT 下载安装

查看本机 NVIDIA 驱动版本，这里不再演示，直接看第一步怎么操作。

如果你的机器已经安装了 CUDATOOLKIT，那么在使用 nvidia-smi 命令时，是可以查看到对应的版本的，这时你可能会有疑问：明明我的机器已经有了 CUTATOOLKIT 了，为什么还需要安装呢？这里需要解释下，使用 nvidia-smi 显示的 CUDA 为 driver API 对应的版本，如果是在安装驱动的时候就安装了 CUDATOOLKIT，那么 nvidia-smi 对应的 driver API CUDA 版本就和 nvcc -V 的一致。然而，有的时候可能我们并不需要那么高版本的 CUDATOOLKIT（默认随 NVIDIA 驱动一起安装的版本都比较高！），因为 pytorch 或者 tensorflow 还不支持这么高版本的 CUDA（虽然已经安装的 diver CUDA 一般都可以向下兼容），那么此时我们就需要手动下载安装 CUDATOOLKIT。

参考链接1：https://www.jianshu.com/p/eb5335708f2a
参考链接2：https://blog.csdn.net/qq_42406643/article/details/109545766

找到对应的 CUDA 版本：

驱动对应的cuda版本查询：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

CUDA下载地址： https://developer.nvidia.com/cuda-toolkit-archive

三、cuDNN下载安装（为 DNN 进一步加速计算）

cuDNN 下载必须先在 NVIDIA 官网注册一个账号，登录之后才能下载，注册不是很麻烦。

注册成功后就能下载：https://developer.nvidia.com/rdp/cudnn-archive

找到对应的版本下载即可：

cuDNN 下载后，将解压后的对应文件夹中的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\版本号 对应的文件夹下即可。

四、验证安装成功

命令行输入：

nvcc -V

出现对应的CUDA信息说明安装成功。

进入：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\版本号\extras\demo_suite，shitf+鼠标右键 在此处打开 powershell ，输入bandwidthTest.exe （输入前面的几个：band再Tab即可补全），enter运行，出现一大堆提示信息，显示PASS及安装成功。

如果以上安装都是选择的默认路径，不需要另外添加环境变量。

END

到此，Windows 深度学习环境基本就搭建好了！