【Windows】安装显卡驱动+cuda+cudnn

引言

重新整理配置显卡一系列环境的操作笔记,内容包括:

  1. 根据电脑的显卡型号安装适配的显卡驱动
  2. 根据显卡驱动安装适配的CUDA+cudnn

1 显卡驱动

要确认已经安装了显卡驱动才能使用显卡,有些电脑可能已经安装了显卡驱动,笔者建议无论安装与否都可以更新下驱动,因为对应型号的显卡驱动一直在更新。安装或更新显卡驱动可以参考笔者的博客,操作步骤一致:

【Windows】更新驱动

安装后重启电脑,在终端输入如下指令可以查看电脑显卡驱动信息

nvidia-smi
显卡驱动信息决定安装的cuda版本的上限,一般cuda的版本要低于等于驱动支持的版本

2 安装CUDA

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。
首先需要查看自己电脑的N卡支持的 CUDA 版本,在终端输入

nvidia-smi

在这里插入图片描述

或者:打开 NVIDIA 控制面板——帮助——系统信息——组件:

在这里插入图片描述

显示的都是驱动支持的最高的CUDA版本,实际安装可以低于等于支持版本。

从官下载所需的CUDA版本进行安装,笔者这里安装的是CUDA11.1,双击安装包进行安装。
NVIDIA官网:https://developer.nvidia.com/cuda-downloads
在这里插入图片描述

2.1 安装过程,直接放图不过多赘述

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
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
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

2.2 添加必要的系统变量

安装过程中默认已经添加的系统变量如下
在这里插入图片描述

$ CUDA_PATH: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1
$ CUDA_PATH_V11_1: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1
$ CUDA_BIN_PATH: %CUDA_PATH%\bin 
$ CUDA_LIB_PATH: %CUDA_PATH%\lib\x64 
$ CUDA_SDK_PATH: C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1
$ CUDA_SDK_BIN_PATH: %CUDA_SDK_PATH%\bin\win64 
$ CUDA_SDK_LIB_PATH: %CUDA_SDK_PATH%\common\lib\x64

将上面没有的补充添加
在这里插入图片描述
在这里插入图片描述

2.3 向系统变量的Path ,添加如下四条信息:
$ %CUDA_BIN_PATH%
$ %CUDA_LIB_PATH%
$ %CUDA_SDK_BIN_PATH%
$ %CUDA_SDK_LIB_PATH%

在这里插入图片描述

2.4 验证配置是否成功

在终端输入

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite
deviceQuery.exe

终端显示如下信息则安装成功
在这里插入图片描述

bandwidthTest.exe

终端显示信息如下则配置成功
在这里插入图片描述

若无法显示上述配置成功的信息,可尝试的解决方法:

打开设备管理器
在这里插入图片描述
上述标注位置右键选择—>更新驱动程序
在这里插入图片描述
选择自动,更新后再查看配置是否成功,若还是不成功则只能重新安装CUDA

3 安装 cudnn

3.1 下载与CUDA适配的cudnn,并进行解压

下载地址:https://developer.nvidia.com/cudnn,这里需要登录并填写问卷才能下载
在这里插入图片描述

3.2 解压后把里面 bin、include 、 lib 文件夹复制到CUDA/v11.1文件夹下替换对应的bin、include、 lib文件夹

在这里插入图片描述
在终端输入:

nvcc -V

在这里插入图片描述

至此CUDA和CUDNN安装完毕!!!!
  • 8
    点赞
  • 77
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
在Ubuntu上安装显卡驱动CuDNNCUDA和PyTorch可以按照以下步骤进行: 1. 安装显卡驱动:可以通过以下几种方式安装显卡驱动: - 通过"Software & Updates"工具在“Additional Drivers”选项中选择一个适用于您的显型号的驱动程序,并点击“Apply Changes”进行安装。 - 通过命令行使用`ubuntu-drivers devices`命令查看可用的驱动,然后使用`sudo ubuntu-drivers autoinstall`命令自动安装推荐的驱动。 2. 安装CuDNNCuDNN是NVIDIA加速库,可提供用于深度学习的GPU加速功能。可以按照以下步骤安装CuDNN: - 前往NVIDIA官方网站,下载适用于您的CUDA版本的CuDNN压缩文件(通常需要注册NVIDIA开发者账号)。 - 将CuDNN压缩文件解压缩到一个合适的位置,例如`~/cuda`文件夹。 - 打开终端,使用`cd`命令进入CuDNN解压缩文件的路径,并执行以下命令安装CuDNN: ``` 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* ``` 3. 安装CUDACUDA是用于在NVIDIA GPU上进行并行计算的平行计算平台和API。可以按照以下步骤安装CUDA: - 前往NVIDIA官方网站,选择适用于您的显和操作系统的CUDA版本,并下载对应的运行文件(通常需要注册NVIDIA开发者账号)。 - 打开终端,使用`cd`命令进入CUDA运行文件所在的目录,并执行以下命令安装CUDA: ``` sudo sh cuda*.run ``` - 执行安装向导中的步骤,根据提示进行安装配置,包括选择安装路径和设置环境变量。 - 安装完成后,可以通过执行`nvcc --version`命令验证CUDA安装情况。 4. 安装PyTorch:PyTorch是一个用于构建深度学习模型的开源Python库。可以按照以下方式安装PyTorch: - 打开终端,执行以下命令安装PyTorch: ``` pip install torch torchvision ``` - 在安装过程中,可能需要下载和编译一些依赖项。请耐心等待安装完成。 安装完成后,您可以在Ubuntu上使用显卡驱动CuDNNCUDA和PyTorch进行深度学习任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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