如何成功在没有nvidia驱动的win10电脑里安装CUDA和pytorch-gpu

最新推荐文章于 2025-03-16 16:49:43 发布
置顶 最新推荐文章于 2025-03-16 16:49:43 发布
阅读量2.7w 收藏 246
点赞数 18
分类专栏： PyCharm TensorFlow 文章标签： python cuda nvidia
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/weixin_41194129/article/details/107475509
版权

先查看本机是否有nvidia驱动：

在这里插入图片描述
显然没有，那就去官网下载：

www.nvidia.cn
在这里插入图片描述
下载安装：
在这里插入图片描述
是不是就死路一条了，显然不是，下面一定要在自己电脑上选择下面的结果补充驱动：提前安装好
在这里插入图片描述
以上前面的小依赖驱动安装好以后，开始安装英伟达驱动了

首先去逛网下载nvidia

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

下载后直接执行安装

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
安装成功。

下面使用中科大镜像源安装pytorch
在这里插入图片描述

【全网最简单】5分钟 Win10安装部署pytorch GPU加速(附gpu测试代码）--------- 不需要安装CUDA，CUDNN ！！！
otbc1的博客
06-09 2481
基于Win10 安装部署pytorch GPU加速 (附gpu测试代码）不需要安装CUDA，CUDNN
没有独立显卡没有NVIDIA 如何安装pytorch
热门推荐
realgislander的博客
11-18 2万+
算不上安装教程的安装思路
无NVIDIA显卡电脑Pytorch安装和在pycharm中配置环境
bupangniu的博客
01-13 4805
pytorch安装成功，但是无法调用cuda，，，，，但。已可以正常使用——输入import torch没报错。二、利用Anacoda安装Pytorch。三、配置Pycharm环境。
torch.cuda.is_available()返回false——解决办法
qq_45458565的博客
03-16 1291
因为conda镜像安装了CPU版本，你以为下载的是GPU版本，必须手动去官网用pip下载安装GPU版本。如果你的CUDA，cuDNN版本都对，只有Pytorch安装成了CPU的，那么先对它进行卸载，然后再安装。，先注册登录，查看自己的CUDA版本号对应自己的cuDNN，如果有对应不上的一个，先进行卸载，再安装新的。将最下面区域的命令复制在cmd，下载Pytorch，直接使用pip安装。首先判断自己是否适合使用GPU版本的torch，打开cmd输入。如果输出结果为True，说明安装成功。
pytorch + Cuda 安装
weixin_43156244的博客
10-21 784
四、在Anaconda promote 中新建环境，使用（pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 --index-url https://download.pytorch.org/whl/cu118）命令安装pytorch（安装其他版本cuda注意修改torch和torchvision版本，这里使用的CUDA版本为11.8）2）安装包下载完成后，双击安装，第一个路径无需修改，该目录会在安装完成后删除。
cuda 镜像_如何在没有nvidia驱动的win10电脑里成功安装CUDA和pytorch-gpu
weixin_39593523的博客
11-22 891
先查看本机是否有nvidia驱动： 显然没有，那就去官网下载：www.nvidia.cn 下载安装： 是不是就死路一条了，显然不是，下面一定要在自己电脑上选择下面的结果补充驱动：提前安装好 以上前面的小依赖驱动安装好以后，开始安装英伟达驱动了首先去逛网下载nvidiahttps://developer.nvidia.com/cuda-downloads?target_os=Windows&a...
不是Nvidia(英伟达)显卡可以安装CUDA跑深度学习算法吗？
congcong0509的博客
11-08 1万+
不是Nvidia(英伟达)显卡可以安装CUDA跑深度学习算法吗？
不是Nvidia(英伟达)显卡可以安装CUDA跑深度学习算法吗?
bobozai86的博客
02-26 580
Intel和AMD的显示芯片都不能进行。所以，想要让cuda环境搭建在自己的Windows系统上利用GPU的并行计算跑深度学习算法，就必须要有Nvidia显卡且要安装CUDA。Cuda主要是面向Nvidia的。
没有NVIDIA，安装pytorch
m0_53300372的博客
01-04 6358
没有NVIDIA，安装pytorch！
onnxruntime-win-x64-gpu-cuda12-1.18.0.zip
06-10
这个“onnxruntime-win-x64-gpu-cuda12-1.18.0.zip”文件是针对Windows 64位平台的GPU优化版本，包含了ONNX Runtime的库文件以及必要的头文件，使得开发者能够在支持CUDA 12的NVIDIA GPU上加速模型推理。 首先，让...
tensorflow-gpu版本与cuda版本对应表、CUDA及驱动安装、Tensorflow2.0-gpu、pytorch-gpu安装、GitHub上传代码、anaconda创建新环境
weixin_45371989的博客
04-24 6317
CUDA及驱动下载地址，运算力查询，TF20下载，PyTorch下载，以及清华镜像源、豆瓣镜像源地址记录等，由于偶尔需要，因此记录之，以备不时之需。
Ubuntu 18.04 安装 NVIDIA显卡驱动及CUDA包.pdf
11-21
解决NVIDIA显卡驱动无法安装CUDA自身驱动与原生驱动冲突，此文章简单教会大家怎么在Ubuntu 18.04 安装 NVIDIA显卡驱动及CUDA包。
Windows10下安装GPU环境Cuda和Pytorch教程图解
weixin_40547993的博客
06-12 5060
在深度学习和高性能计算领域，利用GPU进行计算已经成为提升效率的关键手段。CUDA是NVIDIA推出的并行计算平台和编程模型，它使得开发者能够利用NVIDIA GPU的强大计算能力。同时，PyTorch作为一个广泛使用的深度学习框架，以其易用性和灵活的动态计算图受到了研究人员和开发者的青睐。为了在Windows10系统上充分利用GPU进行深度学习训练，需要正确安装和配置CUDA和PyTorch。
Win10下使用Anaconda安装GPU版本PyTorch
半夏微凉的博客
11-11 661
PyTorch是一个开源机器学习框架，最初来自Meta Ai。如果你想研究人工智能或从事人工智能项目方面的工作，那么在本地机器上使用PyTorch设置开发环境对于许多项目来说都是必不可少的。GPU（图形处理单元）是一种专用处理器，最初设计用于同时处理数据。它有助于加快深度学习代码的计算速度。这篇博客是在Windows上安装PyTorch GPU的完整指南。
无显卡用google colab或阿里云DSW学CUDA编程的环境配置教程
qq_55051321的博客
12-21 2402
在搜 “没有显卡怎么学CUDA编程” 、 “怎么配置google colab的CUDA编程环境” 、 “怎么配置阿里云DSW的CUDA编程环境” 的时候并没有太多相关文章，就顺带着写下了这个文章，如果有需要的话可以看看。
win10上构建nvcc编译环境
vah101的专栏
03-14 1295
1. 安装visual-studio Community。2. 安装cuda 12.1。按选项提示，即可安装。
【环境搭建】cuda安装篇
gecko
04-12 7796
想要安装GPU版的深度学习框架，首先需要有适配的cuda，好多框架TensorFlow、Pytorch、paddlepaddle不适配高版本的cuda，如果你的cuda是高版本，我们需要卸载掉原来的cuda版本安装中、低版本的cuda。深度学习框架的搭建有两种CPU版本和GPU版本。如果您的电脑没有NVIDIA GPU显卡，那么就安装CPU版本；我们默认安装时，镜像源默认都是国外的，网络比较慢导致安装失败，因此我们可以切换到国内的镜像；
【深度学习】Windows下CUDA+CUDNN安装教程
qq_43627106的博客
04-14 3192
目录1 前提要求2 查询需要安装的版本3 下载并安装CUDA3.1 下载3.2 安装4 下载并安装cuDNN4.1 下载4. 2安装5 配置环境并验证CUDA安装6 报错解决 1 前提要求 （1）在安装CUDA之前，必须已将安装好了VS （2）电脑必须要有 NVIDIA 独立显卡 2 查询需要安装的版本 本文提供三种方法： 第一种：以Windows10为例，在桌面上右键选择NVIDIA控制面板 第二种：点击Windows10自带的搜索，输入NVIDIA，按照下面操作就可以 用上面任意一种方法打开显卡控制
[PyTorch]环境配置 CUDA安装PyTorch下载【有无GPU】
weixin_44361377的博客
08-16 4938
windows下pytorch深度学习环境安装和配置
win11下pytorch-gpu安装以及CUDA详细安装过程
最新发布
04-03
### Windows 11 上安装 PyTorch-GPU 及其对应的 CUDA 配置 #### 虚拟环境准备 为了确保安装过程不会影响其他项目依赖，建议先创建一个新的 Conda 或虚拟环境。以下是基于 Conda 的方法： ```bash conda create -n torch-gpu python=3.9 conda activate torch-gpu ``` 上述命令会创建名为 `torch-gpu` 的新环境并激活它[^4]。 --- #### 显卡驱动更新 在安装 PyTorch-GPU 前，需确认已安装最新的 NVIDIA 显卡驱动程序。可以通过访问 [NVIDIA 官方网站](https://www.nvidia.com/Download/index.aspx)，输入显卡型号和操作系统信息来获取最新驱动版本。如果未安装合适的驱动，则可能导致后续 CUDA 功能无法正常工作。 --- #### CUDA 工具包安装 根据引用内容可知，CUDA 是支持 GPU 加速的关键工具包。推荐选择稳定且兼容性强的 CUDA 版本（如 CUDA 11.3）。具体步骤如下： 1. 访问 [NVIDIA CUDA 下载页面](https://developer.nvidia.com/cuda-downloads) 并选择适合的操作系统（Windows 11）以及目标架构。 2. 执行下载后的安装文件，默认选项即可完成基本功能部署。 3. 验证 CUDA 是否成功安装： ```cmd nvcc -V ``` 如果返回类似以下信息则表示安装成功： ``` C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin\nvcc.exe: fatal error: no input files compilation terminated. ``` 此外，可通过检查环境变量进一步验证设置是否正确： ```cmd set cuda ``` 此命令应显示路径指向 CUDA 工具包所在目录[^3]。 --- #### PyTorch GPU 版本安装 一旦 CUDA 准备完毕，便可着手安装 PyTorch 的 GPU 支持版本。官方提供了便捷查询链接帮助匹配特定需求组合下的最佳安装指令：<https://pytorch.org/get-started/locally/> 。对于采用 Conda 渠道的情况，通常执行下面语句即能满足多数场景的要求： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -c nvidia ``` 这里特别指定了 `cudatoolkit=11.3` 参数以同步所选 CUDA 版本号[^2]。 完成后可测试导入模块是否无误： ```python import torch print(torch.cuda.is_available()) # 应输出 True 表明检测到可用 GPU 设备 print(torch.version.cuda) # 输出当前加载之 CUDA 编译版本字符串 ``` --- #### 注意事项 仅当计算机配备由 NVIDIA 提供图形处理单元 (GPU) 时才可行尝试以上流程；否则应当考虑转而设立纯 CPU 运作模式下运行框架实例。 ---
评论 34
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

打赏作者

源代码杀手

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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