win10+CUDA安装及环境配置

最新推荐文章于 2024-10-11 14:10:44 发布
最新推荐文章于 2024-10-11 14:10:44 发布
阅读量4.7w 收藏 129
点赞数 42
分类专栏： CUDA 文章标签： cuda
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/vastz/article/details/108813557
版权

CUDNN是用来实现高性能GUP加速的，快3到5倍的时间
首先通过NVIDIA控制面板查看电脑适用的CUDA版本
桌面鼠标右键即可：
在这里插入图片描述
在这里插入图片描述

CUDA和CUDNN的版本要对应，即：CUDA 9.1,CUDNN也下载9.1
安装CUDA
在这里插入图片描述

下载其他版本，请选择右下角Legacy Releases
下载CUDNN （最好用10.2以下）
在这里插入图片描述
点击下载，没有注册的话，这里需要注册一下。
下载之后双击CUDA安装包进行安装即可。
此目录是临时解压目录，安装完成后会自动删除，最终cuda还是会默认安装在C盘。所以安装在C盘即可
在这里插入图片描述
建议选择自定义
在这里插入图片描述
VS Intergration选择可能会安装失败，可以后续单独安装
在这里插入图片描述
单击下一步安装即可
安装完成后，管理员窗口cmd输入 nvcc --version 查看CUDA版本

CUDNN配置
cudnn是一个压缩文件不需要安装，只需要解压在自定义盘中即可
解压后打开CUDNN文件夹
进入cuda\bin找到cudnn64_7复制粘贴到 CUDA\bin
进入include找到cudnn.h 复制粘贴到 CUDA\include
lib\×64找到cudnn.lib 复制粘贴到 CUDA\lib\×64
CUDA的安装目录在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1

配置环境变量
CUDA9.1版本安装之后会自动配置好环境变量，不需手动添加
其他版本环境变量如有遗漏可按照此图进行添加
注意版本号要按照自己下载的版本写
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
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\libnvvp
完成！

最后再管理员窗口cmd输入 nvidia-smi 可查看当前GPU的使用情况
如出现不是内部命令则需要在系统变量path中新建环境变量，我的地址如下：
在这里插入图片描述
在这里插入图片描述
出现此页面即表示CUDA安装成功！！！

Henry Zhao
关注
专栏目录
CUDA安装成功后配置环境变量
yuuzhao的博客
06-15 2万+
配置环境变量（安装成功时，有提示的相应地址） 官方上面是直接输入。但是我觉着在/etc/profile ~/.bashrc上写会更好. /etc/profile影响所有用户，~/.bashrc影响当前用户使用的bash shell 。 $ sudo gedit /etc/profile $ sudo vim ~/.bashrc 在最后面加上这些: ## 网上共看到三种添加内容 # 第一种 export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}} expor
cuda环境配置
yuanCruise
06-03 804
已经有cuda8下，安装cuda9，安装cudnn，安装conda并构建对应版本的python虚拟环境 参考链接 https://blog.csdn.net/weixin_32820767/article/details/80421913 https://blog.csdn.net/qq_42683011/article/details/114242445【cuda版本和对应驱动版本】 https://blog.csdn.net/swordinhand/article/details/84340331 【
window11系统CUDA、cuDNN 安装以及环境变量配置
热门推荐
争渡的博客
06-17 6万+
虽然 CUDA 包含了一些基本的矩阵运算和线性代数函数，但它不直接包含深度神经网络相关的算法和优化。因此，为了使用 CUDA 进行深度学习任务，您需要安装一个额外的库，例如 cuDNN。因此，通过与 CUDA 结合使用，cuDNN 可以大幅提高深度学习应用的性能和效率。（CUDA Deep Neural Network Library）是 NVIDIA 提供的一个可选的库，用于优化深度神经网络的训练和推理性能。：这里我用 11.4版本为例，流程上是一样的，就是版本号不一样仅此而已。一般这里安装完毕后，会。
安装cuda的环境变量设置
最新发布
weixin_56679743的博客
10-11 609
1.~/.bashrc文件是 Bash shell 的配置文件之一， 主要用于设置用户特定的环境变量、别名、函数以及其他 shell 配置。可在该文件中进行cuda环境变量的添加，可以使用vi编辑器对该文件进行编辑，按i键进入插入模式。
CUDA配置
m0_73865908的博客
09-05 682
[CUDA安装指南](https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html) / [CUDA Installation Guide](https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html)首先我们需要查看显卡支持的最高CUDA的版本，以便下载对应的CUDA安装包。如没有，请手动添加。
win10 cuda + cudnn
guo_lei_lamant的博客
03-15 576
转载自：http://blog.csdn.net/qikaihuting/article/details/74695679 下载win10CUDA版本以及cudnn_v5.1，https://developer.nvidia.com/cuda-downloads，https://developer.nvidia.com/rdp/cudnn-download按照以下参考教程进行安装。...
CUDA编程之环境配置
mumusan2016的博客
11-03 7920
VS2015+CUDA8.0环境配置 （花了好长时间搞这个环境，主要也是自己太弱了，居然在C盘的programdata里的NVIDIA GPU Computing Toolkit文件夹下找了半天lib文件，唉！） Anyway，在这里记录下正确的配置方式： 1、首先，上官网下载对应vs版本的CUDA toolkit： https://developer.nvidia.com/cuda-to
在Windows10上配置CUDA环境教程
qq_42591591的博客
06-21 2081
以上就是环境搭建的全部内容，已经能够进行一些基础的网络模型测试啦。若存在问题可以在评论区内进行交流~
cuda环境配置（anaconda虚拟环境版，含pytorch-gpu安装）
weixin_46446479的博客
05-18 9482
深度学习cuda环境配置
Windows10 + CUDA
syl_xstq的博客
07-26 1355
CUDA工具包为创建经 GPU 加速的高性能应用提供开发环境，其中包含多个 GPU 加速库、多种调试和优化工具、一个 C/C++ 编译器以及一个用于部署应用的运行环境库。本文主要介绍如何在Windows10系统上搭建CUDA运行环境，提供必需软件的下载途径以及基本配置，进行相关环境验证。
Cuda配置
qq_28586501的博客
11-07 2024
python的pytorchan安装及配置
win10+VS2017+Cuda10.0环境配置详解
08-18
win10+VS2017+Cuda10.0环境配置详解 win10+VS2017+Cuda10.0环境配置是一种常用的深度学习和人工智能开发环境，本文将详细介绍如何在win10系统上配置VS2017和Cuda10.0环境。 一、安装和配置 1. 硬件支持：首先确定...
win10+cuda9.0+cudnn7.05+tensorflow环境配置
04-10
本资源主要包含： cuda_9.0.176_384.81_linux.run cudnn-9.0-linux-x64-v7.0.5.tgz 主要用于linux环境下搭建tensoeflow运行环境。
win10+cuda10.0+pytorch安装
01-06
简介 由于PyTorch在中国大陆的...CUDA内核显卡 NVIDIA Quadro P4000 1、进入Pytorch官网https://pytorch.org/ 看到该部分类容后，根据自己的电脑配置，选择相应的选项。 Package 建议使用pip，这样才会提供Run this Co
CUDA学习：Windows下的CUDA环境配置
weixin_43788327的博客
07-16 2万+
Windows环境下的CUDA配置
CUDA开发环境配置大全
Augusdi的专栏
09-30 3453
原文地址：http://cudazone.nvidia.cn/forum/forum.php?mod=viewthread&tid=3735一、操作系统：（1）windows操作系统：1.windows xp：(1)       win32_xp_ CUDA3.0_VS2010_配置指南-DOC：http://cudabbs.it168.com/forum.php?mod=viewthread&t
CUDA及深度学习环境配置大全
qq_42283621的博客
04-11 5287
前言 在执行下面的虚拟环境创建之前，需要先安装Anaconda（最新版本即可）。若创建过程中包的下载速度较慢，可以考虑换源（方法网上搜索）。 所用到的所有文件： 链接：https://pan.baidu.com/s/1imLTpQYaIjIrjuNKpOX2nQ 提取码：e3gk py37tfgpu Python3.7.13+TensorFlow-gpu2.3.0+cuDNN7.6.5+CUDA10.1 安装CUDA10.1 打开cuda_10.1.168_425.25_win10.exe 自定义安
cuda 环境配置
ms_cz_1995的博客
09-11 2362
第一步：下载cuda安装包 到nvidia 官网 ：https://developer.nvidia.com/zh-cn 以此：下载 —》DUDA工具包 —》 DownloadNow —》依次选择环境（操作系统类型，操作系统位数，操作系统版本 安装类型） —》 下载： 然后双击安装：注意不要有中文路径 一般情况下会安装失败。如图： ...
opencv4.5.1+vs2017+win10+cuda10.0 + cudnn 7.6.0
07-04
### 回答1： OpenCV是一个开源的计算机视觉和机器学习库，可以方便地处理图像和视频。而CUDA（Compute Unified Device Architecture）是由NVIDIA开发的一种并行计算架构，可以加速图形处理器（GPU）上的计算任务。 OpenCV 4.5.1是OpenCV的一个版本，它提供了丰富的功能和算法，用于图像和视频处理、特征提取、目标检测等任务。这个版本可以在Windows 10操作系统上使用，并且可以与Visual Studio 2017集成，提供开发环境和调试工具。 CUDA 10.0是NVIDIA的一个版本，它支持NVIDIA GPU上的并行计算任务。它允许开发人员使用C语言、C++或CUDA自己的扩展语言编写并行计算代码，以加速计算密集型任务。例如，在图像处理中，可以使用CUDA加速OpenCV算法，从而提高计算性能。 而cuDNN（CUDA Deep Neural Network library）是NVIDIA专门为深度学习任务开发的一个库。它提供了一组高性能的深度神经网络的基本操作和优化算法，可以与CUDA和OpenCV结合使用。 综上所述，OpenCV 4.5.1可以与CUDA 10.0和cuDNN 7.6.0集成使用。开发者可以在Visual Studio 2017中使用这些工具和库进行图像处理和机器学习任务的开发和优化。通过使用CUDA加速，可以提高计算性能，而cuDNN可以提供深度学习任务所需的算法和操作。 ### 回答2： OpenCV 4.5.1是一个计算机视觉库，用于在计算机视觉和机器学习项目中进行图像和视频处理。VS2017是一个集成开发环境（IDE），用于Windows操作系统上的软件开发。CUDA（Compute Unified Device Architecture）是一个用于GPU计算的并行计算平台和API模型。CUDNN是NVIDIA深度神经网络库，用于在GPU上加速深度学习任务。 在Windows 10上使用VS2017来编译OpenCV 4.5.1，并在CUDA 10.0和CUDNN 7.6.0的支持下进行构建可以提供更好的计算性能和加速。CUDA 10.0提供了与CUDA架构和驱动程序的兼容性，并支持许多NVIDIA GPU。CUDNN 7.6.0是基于CUDA的深度神经网络库，可以加速深度学习任务的训练和推理。 使用VS2017编译OpenCV可以让开发者方便地在Windows平台上进行开发和调试。VS2017提供了强大的集成开发环境，它可以帮助开发者编写、调试和测试程序。通过配置CUDA 10.0和CUDNN 7.6.0来支持OpenCV的GPU加速，可以进一步提高图像和视频处理的速度和效率。 总结来说，使用OpenCV 4.5.1、VS2017、Windows 10、CUDA 10.0和CUDNN 7.6.0可以实现在Windows平台上的高效计算机视觉和机器学习开发。这种配置可以提供更好的性能和加速，特别是在需要处理大量图像和视频、进行深度学习任务的情况下。
评论 5
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