win10下CUDA和CUDNN的安装(超详细)!亲测有效!

CUDA8安装配置

CUDA8的安装包可直接从NVIDIA官网下载。根据相应的系统选项,我选择的是cuda_8.0.61_win10.exe(大小为1.3G),安装的时候建议选择 自定义 而不是“精简”(从下面的英文解释可以看出,其实这里的精简写成完整应该更贴切,他会安装所有组件并覆盖现有驱动,然而我并不想安装全家桶,何况我的官方显卡驱动比他的新)。

cuda 1

如下图所示,我们只需选择CUDA下面这4项就够了(默认是全选的。。。),visual studio integration这一项没有勾选是因为我并没有使用VS环境。这一步之后,会询问这些组件的安装路径,可以直接使用C盘的默认位置,当然我自定义了一下(请记住这些安装路径,后面配置环境变量需要用到)。

cuda 2

安装完成之后,还需要下载cuDNN,这里需要登录并填写问卷才能下载,到下图所示的下载页面后,我选择的是图中高亮的版本(当时最新的是cuDNN6,而网上很多反应cuDNN6用不了,需要折腾一下才能用,因此,为了方便,我直接使用cuDNN5.1,不过后来cuDNN7出来了,应该可以直接使用~)。下载完成后,将这个压缩包里的所有文件放到CUDA8安装目录相应文件夹下即可。

cuDNN

接下来设置环境变量:

计算机上点右键,打开属性->高级系统设置->环境变量,可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_0两个环境变量,接下来,还要在系统中添加以下几个环境变量:
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0(这是默认安装位置的路径,经自定义路径后,我的路径为D:\NVIDIA\CUDA Samples)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

然后:

在系统变量 PATH 的末尾添加:
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
再添加如下4条(默认安装路径):
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin;
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64;
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64;
如果你选用了自定义路径,上述这些默认路径都应该相应替换为你的自定义路径,如下为我的环境变量和PATH的配置情况:
环境变量:
环境变量
PATH:
PATH

配置完成后,我们可以验证是否配置成功,主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe:
首先win+R启动cmd,cd到安装目录下的 ...\extras\demo_suite,然后分别执行bandwidthTest.exedeviceQuery.exe,应该得到下图:

val 1
val 2

如果以上两步都返回了Result=PASS,那么就算成功啦。

 

 

本文转自:https://blog.csdn.net/qilixuening/article/details/77503631

  • 211
    点赞
  • 1024
    收藏
    觉得还不错? 一键收藏
  • 80
    评论
### 回答1: 在Win10安装CUDAcuDNN需要以下步骤: 1. 下载CUDAcuDNN安装包,可以在NVIDIA官网上下载。 2. 安装CUDA,按照安装向导进行安装,注意选择合适的安装路径和组件。 3. 安装cuDNN,将下载的cuDNN文件解压到CUDA安装路径下,例如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.。 4. 配置环境变量,将CUDAcuDNN的路径添加到系统环境变量中,例如将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.\extras\CUPTI\lib64添加到Path变量中。 5. 测试安装是否成功,可以使用命令行输入nvcc -V和python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([100, 100])))"来测试CUDAcuDNN是否正常工作。 希望对你有帮助! ### 回答2: 对于使用 NVIDIA GPU 进行深度学习开发的工程师和研究人员而言,CUDAcuDNN安装是非常关键和必须的步骤。以下是 Win10CUDAcuDNN安装步骤: 1. 安装 CUDA: 首先,需要在 NVIDIA 官网上找到特定的版本。然后执行以下步骤: - 打开 CUDA 安装包并运行安装程序。 - 选择自定义安装选项,使得只有所需的组件被选择。 - 根据您的 GPU 版本选择正确的 CUDA 版本(有关详细信息,请参阅 CUDA 网站文档)。 2. 安装 cuDNN: 在 NVIDIA 官网上下载 cuDNN 并按以下步骤进行安装: - 将 cuDNN 解压缩到任意位置(例如,C: \ cudnn)。 - 将 cuDNN 文件夹添加到环境变量 Path 中。 3. 配置环境变量: 将所需的环境变量添加到 Windows 系统中,以便能够正常使用 CUDAcuDNN。 - 打开“计算机” ->“属性” ->“高级系统设置” ->“环境变量”。 - 选择“系统变量”并单击“新建”键。 - 输入变量名称和变量值,例如,CUDA_PATH 和 C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0。 4. 测试 CUDAcuDNN 安装: 最后,通过运行代码测试 CUDAcuDNN 安装是否正确。 - 编写一个简单的 CUDAcuDNN 程序。 - 打开命令提示符并导航到程序的路径。 - 编译程序并运行编译后的可执行文件。 如果一切正常,您将能够在命令行中看到程序输出,并且您的 GPU 将在运行程序时被使用。 总的来说,正确安装 CUDAcuDNN 对于使用 NVIDIA GPU 进行深度学习和计算机视觉开发是至关重要的,而 Windows 10 平台下的安装步骤比较简单,只要按照上述步骤进行配置即可。 ### 回答3: cudacudnn是用于深度学习中GPU加速的重要工具。在win10系统下安装cudacudnn需要以下步骤: 一、安装cuda 1. 确认显卡型号及其支持的cuda版本号 在官网上下载cuda对应的版本,支持的显卡型号也需要进行确认。一般来说,新款显卡支持的cuda版本比较高。 2. 下载cuda安装包 在官网上下载cuda安装包。选择合适的安装包并下载后,解压至自定义的目录,如:“D:\cuda\"。 3. 安装cuda 进入解压后文件夹内找到exe安装文件,运行该文件来开始cuda安装。需要注意的是,在安装过程中,需要勾选“添加到系统环境变量中”选项。 4. 测试cuda 安装完成后,可以通过在命令行输入nvcc -V,来检查cuda是否安装成功。终端输出cuda的版本信息,则说明cuda安装成功。 二、安装cudnn 1. 下载cudnn 在NVIDIA开发者网站上下载对应的cudnn版本,如“cudnn-11.3-windows-x64-v8.2.1.32.zip”。 2. 解压cudnn 将下载后的cudnn压缩包解压至cuda安装目录,如“D:\cuda\”,解压后应该出现以下文件: bin, include和lib等文件夹。 3. 配置cudnncuda 进入cuda安装目录,找到与安装cuda时配置好的GPU加速路径一致的lib\x64文件夹,在此目录下将cudnn解压得到的解压文件夹中的cudnn64_8.dll文件复制到此目录下。在此之后,cudnn会被配置为与cuda相兼容。 4. 测试cudacudnn 安装完成后,可以使用TensorFlow\PyTorch等深度学习框架进行GPU加速开发,通过运行相关程序测试,检查CUDAcuDNN是否都安装成功。 以上便是win10系统下安装cudacudnn的步骤,相信能够帮助用户顺利安装cudacudnn,进行深度学习的GPU加速开发。

“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 80
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