安装NVIDIA显卡驱动、CUDA和CuDNN

最新推荐文章于 2024-11-07 17:29:11 发布
最新推荐文章于 2024-11-07 17:29:11 发布
阅读量1.2k 收藏 10
点赞数 4
文章标签： 深度学习 经验分享
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/qq_43212606/article/details/134180152
版权
本文详细指导了YOLOv5的安装配置过程，涉及CUDA、cuDNN、Anaconda和PyTorch环境的设置，包括Windows和UbuntuLinux平台，以及如何检查和安装NVIDIA显卡驱动和CUDA/CuDNN版本的选择和安装。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

开头先提供几个博主，有的版本太老，可以和作者博文结合观看

YOLOv5超详细安装配置过程(含CUDA、cuDNN、anaconda、pytorch环境配置 - Windows / Ubuntu Linux)_yolo5安装-CSDN博客

【精选】史上最详细yolov5环境配置搭建+配置所需文件-CSDN博客

【2022最新版CUDA安装+环境配置，人工智能小白变强教程！！！-人工智能/深度学习/机器学习】 2022最新版CUDA安装+环境配置，人工智能小白变强教程！！！-人工智能/深度学习/机器学习_哔哩哔哩_bilibili

【【CUDA安装/多CUDA兼容】Windows深度学习环境配置】 【CUDA安装/多CUDA兼容】Windows深度学习环境配置_哔哩哔哩_bilibili

下载和安装 NVIDIA 显卡驱动

PS：只有英伟达的显卡才可以使用

首先在设备管理器中查看显卡型号，比如下图可以看到我的显卡型号为 RTX 4060

打开英伟达驱动程序下载网址：官方驱动 | NVIDIA

在这里根据你的显卡选择要下载的驱动的，点击搜索（PS：因为作者的使用的是笔记本，所以在 产品系列 选择RTX 4060 Series（Notebooks）即笔记本版本），搜索到的内容如下图所示，点击下载

下载完成后找到该文件，双击或右击管理员身份运行，点击OK安装

CUDA安装

PS：CUDA安装要根据显卡驱动版本进行选择，若不知道显卡驱动版本可打开CMD进行查看，具体操作为：按下win+R，在输入框中输入cmd打开命令行输入 nvidia-smi命令，如下图所示，作者CUDA版本最高可支持 12.2，所以安装的CUDA要<=12.2，这个版本是上文更新驱动之后更新到了12.2

下载完成后找到文件如图所示

右击以管理员身份运行，提示下图页面，这是一个提取文件暂存地址，放哪里都可以，安装完成后会自动删除。

点击OK后会等待一段时间，在出现的页面点击同意并继续进入下图所示界面，选择自定义

点击下一步后进入下图界面，将CUDA下的VS集成环境的安装进行取消

点击下一步，选择安装路径，如下图所示（第一次安装应该会有两个或者三个，作者已经安装过，因此这里只显示一个安装路径）

第一次安装会有两个或者三个安装路径

可以选择默认路径安装，也可以自定义路径，下面教程为自定义安装路径

在自定义安装的目录下新建两个文件夹NVIDIA GPU Computing Toolkit和NVIDIA Corporation（以前版本安装路径有一个Sample路径，现在好像没了，不过还是创建了）如下图所示：

在NVIDIA GPU Computing Toolkit文件夹下按照下图结构创建文件夹，作者用的是11.8版本故创建文件夹 v11.8

在NVIDIA Corporation文件夹下按照下图结构创建文件夹（不一定用的到）

接着回到CUDA安装，在安装目录处浏览放到新建好的文件夹下就好了（新建的文件名要和选择安装位置的文件名对应）。点击下一步就会安装

测试是否安装成功，在命令行输入 nvcc -V（V大写）出现如下图所示，则证明安装成功（是在CuDNN配置好后还是现在就可以测试安装成作者不清楚，作者是复制完CuDNN之后测试安装成功的）

这里是环境配置，不知道有没有用

打开环境变量（在电脑搜索栏中搜索编辑系统环境变量），下图所示红框中的绿色框中的内容应该在上文CUDA安装成功会自动添加，其余5条为手动添加（不知道有没有用）

接着在PATH路径下添加，如下图红框所示，主要为上文CUDA安装目录下 bin、include、lib、libnvvp四个文件路径，绿色框中是自动生成的，与我们手动添加的两个重复，故重复的两个可以不手动添加

CuDNN

进入网址：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer，或搜索CuDNN进入，页面如下所示，点击Download cuDNN Library（下载需注册英伟达账号）

进入下图所示页面，目前最新为CUDA 12.x 和 CUDA 11.x，具体要根据Pytorch版本进行选择，打开Pytorch管网显示目前最高版本为 11.8（详细见Pytorch安装），所以这里我们下载11.x版本，下载windows的zip文件。PS：也可以点击先前版本根据需求进行选择。

将下载好的压缩文件解压缩，文件内主要为bin、include、lib三个文件夹，全选复制，进入上面安装好的CUDA文件夹 NVIDIA GPU Computing Toolkit\CUDA\v11.8\ 中进行粘贴

PS：若下载太慢可以复制下载链接到迅雷下载

【GPU】安装nvidia驱动
数字人生
12-17 4434
安装NVIDIA驱动通常有几种方法，包括使用发行版自带的软件仓库、使用NVIDIA官方网站上的.run文件、或使用专有的PPA（个人软件包存档）等。
Nvidia 驱动安装
u011141114的博客
12-06 3281
Ubuntu18.04 UE开发 Nvidia 驱动安装
NVIDIA驱动程序（NVIDIA Driver）和CUDA Toolkit安装
qq_45921549的博客
05-12 5565
这两者通常是配合使用的，因为CUDA程序需要NVIDIA GPU的支持，而NVIDIA驱动程序提供了GPU的基本功能，并且CUDA Toolkit提供了开发CUDA程序所需的工具和库。虽然NVIDIA驱动程序和CUDA Toolkit都涉及到NVIDIA GPU的使用，但它们的职责和功能不同。NVIDIA驱动程序是必需的，用于使计算机能够与NVIDIA GPU进行通信和操作，而CUDA Toolkit是可选的，用于开发和运行GPU加速的应用程序。显示的可能是与驱动程序捆绑的CUDA运行时库的版本。
（一）安装 NVIDIA 显卡驱动、CUDA、CUDNN
Dollhan的博客
11-07 9619
📌演示系统配置：ubantu 20.4可以通过指令删除以前安装的NVIDIA驱动版本，重新安装。在安装NVIDIA驱动以前需要禁止系统自带显卡驱动nouveau：可以先通过指令查看nouveau驱动的启用情况，如果有输出表示nouveau驱动正在工作，如果没有内容输出则表示已经禁用了nouveau。如果有则按照下面操作禁用：在终端输入弹出blacklist.conf文件：在blacklist.conf文件末尾加上这两行，并保存： 然后在终端中输入： #应用更改重启，就禁止了ubuntu20.04自带的
【深度学习环境-2】nvidia驱动、cuda安装配置
WXG1011的博客
12-06 4016
深度学习环境配置
安装NVIDIA驱动
欢迎你们到来，希望能帮到大家
07-24 2007
如果遇到nouveau没有关闭，请按照1.1关闭nouveau步骤执行即可。2、本人是在centos7.9操作系统安装英伟达T4板卡驱动。1、安装NVIDIA驱动，是用来提升AI、图片等算法。
详解Ubuntu16.04安装nvidia驱动+CUDA+cuDNN的教程
09-14
在本教程中，我们将深入探讨如何在Ubuntu 16.04系统上安装NVIDIA显卡驱动、CUDA工具包以及cuDNN库。这个过程对于那些想要利用GPU进行深度学习和高性能计算的用户来说至关重要。 首先，我们需要确保你的GPU支持CUDA...
ubuntu安装显卡驱动+cuda+cudnn教程（18.04+cuda10+cudnn9.05为例）
03-29
整个安装过程可以分为五个步骤：安装 Nvidia 显卡驱动、安装 CUDA、配置环境变量、检查环境变量和安装 cuDNN。 安装 Nvidia 显卡驱动 首先，需要安装 Nvidia 显卡驱动。这个过程可以直接通过 Ubuntu 自带软件进行...
windows11+Ubuntu 24.04，安装Ubuntu 24.04、Nvidia 驱动、cuda、cuDNN
06-18
以上步骤提供了从零开始安装 Ubuntu 22.04、Nvidia 驱动、CUDA 和 cuDNN 的详细指南。每一步都至关重要，特别是环境变量的配置和软件版本的匹配。对于新手来说，建议按照提供的链接进行逐步操作，而有一定经验的用户...
centos7.6安装NVIDIA驱动、CUDA、cuDNN成功后的个人总结.docx
12-15
### CentOS 7.6 安装 NVIDIA 驱动、CUDA、cuDNN 的详细步骤 #### 一、安装 NVIDIA 驱动 ...通过以上步骤，您可以在 CentOS 7.6 上成功安装 NVIDIA 驱动、CUDA 和 cuDNN，为高性能计算和深度学习开发提供强大的支持。
基于Ubuntu20.04安装Nvidia驱动、Cuda和CudNN
weixin_45609519的博客
10-08 2883
基于Ubuntu20.04安装Nvidia驱动、Cuda和CudNN
NVIDIA显卡驱动更新，NVIDIA Driver、CUDA Toolkit、cuDNN安装指南
热门推荐
矮矮的夏祭的专栏
08-09 1万+
深度学习中大多会用到NVIDIA的显卡，简单讲解驱动更新的方式。本文以NVIDIA-driver-515.105及cuda-11.7为例安装驱动和docker适配gpu
nvidia driver安装
要努力成为很厉害很厉害的人哦
02-24 972
第一步：禁用图形化界面 sudo vim /etc/modprobe.d/blacklist.conf # 定位到最后一行，回车另起一行 blacklist nouveau options nouveau modeset=0 #保存并退出修改 sudo update-initramfs -u sudo apt update sudo apt install gcc g++ make sudo reboot 第二部：安装驱动 下载GPU对应版本的驱动 sudo telinit 3 #定位到驱动文
NVIDIA驱动安装
qq_42614839的博客
03-08 3223
NVIDIA驱动安装 背景 在运行nvidia-smi命令后报错 Failed to initialize NVML: Driver/library version mismatch 原因是NVIDIA 内核驱动版本与系统驱动不一致。 需要重新安装NVIDIA内核驱动 卸载已有nvidia驱动 sudo /usr/bin/nvidia-uninstall sudo apt-get --purge remove nvidia-* sudo apt-get purge nvidia* sudo apt-
【教程】Nvidia Driver安装全流程
ninnyyan的博客
09-19 2921
Linux-Ubuntu上Nvidia Drvier的安装详细流程；Nvidia Kernel冲突的解决；Ubuntu 22.04上gcc版本的更新
安装nvidia
m0_73189138的博客
07-20 555
这样即可完成。
Nvdia驱动与CUDA版本匹配
Bolly_He的博客
06-22 623
windows10查看本机驱动版本及驱动对应的cuda版本 NVIDIA驱动的版本 驱动支持cuda的版本，向下兼容 CUDA版本与驱动版本匹配需满足下表，
【Tesla T4 为例】GPU安装最新版本NVIDIA Driver、CUDA、cuDNN、Anaconda、Pytorch
懒惰是科技进步的原始动力
04-12 1万+
最新GPU安装NVIDIA Driver、CUDA、cuDNN、Anaconda
linux nvidia显卡驱动安装 cuda cudnn
最新发布
03-16
### Linux 下 NVIDIA 显卡驱动、CUDA 和 cuDNN 的安装教程 #### 1. 安装 NVIDIA 显卡驱动 在 Ubuntu 上安装 NVIDIA 显卡驱动可以通过图形界面完成，也可以通过命令行操作。推荐方法如下： - 打开 *软件和更新* 中的 *附加驱动* 页面，在可用选项中选择带有 `NVIDIA` 字样的驱动程序并应用更改[^2]。 如果需要手动安装或者禁用默认的 Nouveau 驱动，则可以执行以下步骤： ```bash sudo apt update sudo apt install linux-headers-$(uname -r) sudo modprobe -r nouveau && sudo bash -c "echo blacklist nouveau > /etc/modprobe.d/blacklist-nouveau.conf" sudo reboot ``` 重启后下载对应版本的 NVIDIA 驱动包，并运行安装脚本[^3]: ```bash chmod +x NVIDIA-Linux-x86_64-version.run sudo ./NVIDIA-Linux-x86_64-version.run ``` #### 2. 升级或安装 CUDA 工具包 为了确保兼容性和性能优化，建议先确认已安装的 NVIDIA 驱动版本是否支持目标 CUDA 版本。 对于特定版本如 CUDA 10.1 可以按照官方文档说明进行配置[^1]。通常情况下可通过 APT 或者本地 RUN 文件两种方式实现安装过程。APT 方法较为简便： ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntuXX/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda-10-1 ``` 完成后记得设置环境变量以便后续调用工具链正常工作： ```bash export PATH=/usr/local/cuda-10.1/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH source ~/.bashrc ``` #### 3. 配置 cuDNN 库文件 cuDNN 是针对深度学习框架加速而设计的一套高性能库集合。其依赖于基础 CUDA 平台之上构建而成。获取合法授权后的 cuDNN 压缩档需解压到指定目录下覆盖原有内容: 假设当前路径存在 tar.gz 形式的压缩包形式： ```bash tar zxvf cudnn-X-linux-x64-vY.Y.ZZ.tgz sudo cp cuda/include/cudnn*.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` 最后验证整个流程无误可尝试编译示例项目来检测功能完整性。 ```python import tensorflow as tf print(tf.test.is_built_with_cuda()) # 输出 True 表明成功启用GPU计算能力 ```
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