深度学习之环境配置：【CUDA 12.1.1+cuDNN 8.9.1】最新安装教程记录 -- 20240429

原创已于 2024-04-29 18:41:38 修改 · 1.7w 阅读

100 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #python #pytorch

于 2022-08-05 21:46:07 首次发布

前言

本电脑之前已安装CUDA，但一些老版本的torchvision并不支持新的网络。随着科技发展，现重新安装CUDA 12.1.1版本。PS：教程都是通用的，CUDA 11.X版本同样适用。

1、CUDA的下载安装

CUDA版本选择：
查看电脑CUDA支持版本。按住键盘win+ R ，输入cmd打开界面，输入nvidia-smi
PS：这里显示的意思的电脑最高支持的CUDA版本，只要低于该 CUDA Version都可以安装。
本教程选择安装CUDA 12.1版本。

在这里插入图片描述

CUDA toolkit 下载

点击官网下载链接：https://developer.nvidia.com/cuda-toolkit-archive
选择自己需要的CUDA版本（本次下载12.1.1）。具体安装哪个版本，自己选。
一般不选最新的，选个中间的差不多（个人习惯）

在这里插入图片描述

点击要下载的版本，按照提示选择自己对应的系统版本。推荐选择exe.nextwork

在这里插入图片描述

CUDA安装

PS：以下安装截图，是之前的老图，因为本次安装的时候没重新截图，就直接用之前的图。但步骤都是相同的。
直接双击下载好.exe文件，首先会检测系统兼容性。

在这里插入图片描述

下一步，选择自定义安装（推荐使用）

在这里插入图片描述

点击下一步，若是第一次安装CUDA，直接4项全选即可。
如果电脑之前有老版本的CUDA，而且第二次安装的要比第一次版本高的话，选择全选后是自动覆盖上一版本的。简而言之，就是保留最新的版本。
总结就是，别管，直接全选，省事

在这里插入图片描述

选择安装，记住安装路径位置（推荐默认路径，占用空间不是很大，主打一个省事方便），后面需要用到这个路径。

在这里插入图片描述

最后，点击下一步即可

将CUDA添加到环境变量

设置 -> 高级系统设置 ->环境变量->系统变量
PS：环境变量，一般都是自动添加好的。这一步可以省略。

验证CUDA是否安装成功

win+R --> cmd --> 输入nvcc -V(查看版本号）–> 输入 set cuda （查看CUDA设置的环境变量）
如下图，这里我有两个CUDA版本，我没删除。所以，想看自己有几个CUDA，也可以用set cuda这个命令查看。
在这里插入图片描述

2、cuDNN下载安装
cuDNN下载
cuDNN下载链接：https://developer.nvidia.com/rdp/cudnn-archive
PS：下载cuDNN需要注册NVIDIA账号，用邮箱注册，登录即可。
之后选择跟自己的CUDA对应版本的cuDNNN，本次选择cuDNN v8.9.1版本。
点击，然后选择自己系统版本（windows），下载即可

在这里插入图片描述

下载完成，是个压缩包文件。解压之后，会得到以下文件：

在这里插入图片描述

全选文件，复制。然后，将它们全部粘贴到之前CUDA的安装目录下。如果安装CUDA没改默认安装路径，那么你的路径应该也是：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1

注意：在CUDA 12.1安装路径下，已经存在bin、lib等相同名字的文件夹。不用管，直接粘贴，它们会自动添加到对应的文件夹。

添加环境变量

进入环境变量，选择系统变量，找到path，点击新建，将以下路径添加到环境变量：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\libnvvp