win10+CUDA安装及环境配置

最新推荐文章于 2025-01-31 09:27:50 发布
最新推荐文章于 2025-01-31 09:27:50 发布
阅读量5w 收藏 131
点赞数 43
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！！！

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
【环境配置】安装与配置 CUDA 和 cuDNN 环境，支持多种 GPU 加速框架
最新发布
IT古董
02-07 1518
以下是在 Windows 10 下安装和配置 CUDA 框架的详细步骤，包括安装 CUDA Toolkit、cuDNN 以及配置深度学习框架（如 TensorFlow 和 PyTorch）的示例。
windows10和Ubuntu16.04系统安装及配置NVIDIA显卡环境
winycg的博客
04-09 5155
参考链接：http://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html Windows10 1.安装好Anaconda，打开Anaconda Prompt，输入如下安装tensorflow的GPU版本 pip install tensorflow-gpu 去NVIDIA官网下载对应版本的显卡驱动： http://...
环境中的CUDA配置
nk1610099的博客
01-31 2090
这些命令的目的是为了确保在 Conda 环境中正确配置 CUDA 和相关工具的路径，从而避免在编译和运行 CUDA 程序时出现路径错误或找不到依赖项的问题。
深度学习环境配置cuda+cudnn+anaconda+pycharm
zczyyds的博客
10-25 743
深度学习软件环境配置
cuda环境配置
yuanCruise
06-03 1098
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 【
CUDA编程之环境配置
mumusan2016的博客
11-03 8064
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
Limiiiing的博客
06-21 4982
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 2万+
深度学习cuda环境配置
Windows10 + CUDA
syl_xstq的博客
07-26 2185
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。
win10+CUDA11.2+VS2019的安装及环境配置（含多种问题及解决方法）.docx
05-13
### Win10+CUDA11.2+VS2019的安装及环境配置 #### Visual Studio 2019 安装与注意事项 - **安装环境**：本指南适用于Windows 10操作系统。请注意，Visual Studio没有Linux版本，但可以考虑使用VS Code作为替代方案...
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本地Cuda环境配置-Win10+VS2019+Cuda11.0+Cudnn8.9.7+python3.8+pytorch1.7.0+tensorflow2.10
01-14
在当今计算机科学领域，深度学习作为一项前沿技术，在各个行业得到了广泛的应用。...本文档为您提供了一套完整的本地CUDA环境配置流程，确保您可以在Windows 10系统上顺利开展深度学习研究和开发工作。
win10配置pytorch环境+CUDA安装
SevenBerry的博客
08-12 1136
打开每一项，将。
CUDA开发环境配置大全
Augusdi的专栏
09-30 3525
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
安装cuda的环境变量设置
weixin_56679743的博客
10-11 3540
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及深度学习环境配置大全
qq_42283621的博客
04-11 5380
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
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 7万+
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。
cuda 环境配置
ms_cz_1995的博客
09-11 2481
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： ...
linux用conda重新安装cuda10.1对应的torch1.7.1GUP版本的命令
05-12
以下是在 Linux 上使用 Conda 重新安装 CUDA 10.1 对应的 Torch 1.7.1 GPU 版本的命令： 1. 创建一个新的 conda 环境： ``` conda create --name torch-env ``` 2. 激活 conda 环境： ``` conda activate torch-env ``` 3. 安装 CUDA 10.1： ``` conda install pytorch torchvision torchaudio cudatoolkit=10.1 -c pytorch ``` 4. 安装 Torch 1.7.1 GPU 版本： ``` pip3 install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio===0.7.2 -f https://download.pytorch.org/whl/cu101/torch_stable.html ``` 这些命令将会在您的系统上安装 CUDA 10.1 和 Torch 1.7.1 GPU 版本。请确保您的系统已经正确安装了 NVIDIA 显卡驱动和 CUDA。
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