cuda和cudnn的安装教程(全网最详细保姆级教程)

---

---

概述

CUDA和cuDNN是由NVIDIA提供的两个关键软件库，用于利用NVIDIA GPU进行高性能计算和深度学习加速。
CUDA是一个由NVIDIA开发的并行计算平台和编程模型，用来加速计算密集型任务
cuDNN是一个GPU加速的深度学习库，是许多深度学习框架（如 TensorFlow、PyTorch、MXNet 等）中不可或缺的组件，因为它能够极大地提高深度学习任务的性能。
简单来说，CUDA 是一个通用的GPU编程平台，而cuDNN则是基于CUDA之上的一个专门用于深度学习的优化库。
安装前提：必须有一块支持CUDA的英伟达显卡，如果电脑没有英伟达显卡，那没办法使用哦。
接下来我将手把手教你们安装cuda和cudnn

---

一、cuda安装

1.查询自己电脑可支持最高cuda版本是多少

在终端输入nvidia-smi命令，查询可支持的最高cuda版本，驱动是向下兼容的，我电脑可支持最高版本的cuda为12.2，所以安装cuda版本小于等于12.2的都可以安装上。（如果想安装的cuda版本不在可支持的cuda版本内，则可以考虑升级显卡驱动，从而实现对cuda高版本的安装，去官网下载你电脑对应显卡的驱动程序：https://www.nvidia.cn/Download/index.aspx?lang=cn）

显卡驱动更新教程如下：注意注意注意：如果你电脑不需要更新显卡驱动，那就跳过显卡驱动更新教程哦
1.查看自己电脑显卡型号
在搜索框输入设备管理器并打开

我的型号如下：

2.复制上面的显卡驱动下载地址
查找自己的显卡型号



3.下载完成直接双击安装
安装超级简单，直接下一步下一步就行，安装完成之后重启电脑，在终端输入nvidia-smi命令，来查看可支持的最高cuda版本

2.cuda安装包下载

下载前需要确定自己需要安装的pytorch版本号是多少，根据下面表格来选择合适版本的cuda和cudnn

cuda与cudnn对应的版本表格：

cuda、CUDAToolkit与pytorch对应的版本

点击这个链接进行下载：CUDA下载地址
需要注意：30系列显卡的需要cuda11及以上的版本，我电脑显卡是3070，所以需要安装大于等于cuda11的版本，我选择cuda11.3版本的进行下载

3.cuda安装

双击安装包安装




点击展开，取消Visual Studio Integration




安装完成

4.查看cuda是否自动添加到环境变量里面，没有就手动添加

此电脑–>属性

点击高级系统设置–>查看环境变量

在系统变量，看到cuda是自动添加到环境变量里面的，如果你发现没有则需要自己手动添加

有的小伙伴说没有自动生成，没有生成的手动添加就行，

变量如下：

11_3_填自己的cuda版本号，比如你是cuda11.0改成11_0_

CUDA_PATH
CUDA_PATH_V11_3

NVCUDASAMPLES_ROOT
NVCUDASAMPLES11_3_ROOT

值的话修改成自己的路径。

5.验证cuda是否安装成功

在终端输入nvcc -V命令，输出版本号代表安装成功

二、cudnn安装

1.cudnn安装包下载

下载前需要确定自己需要安装的pytorch版本号是多少，根据下面表格来选择合适版本的cuda和cudnn

cuda与cudnn对应的版本表格：

cuda、CUDAToolkit与pytorch对应的版本

点击这个链接进行下载：cudnn下载地址
需要注册一个账号才可以下载，随便注册就行
需要注意：看表格找到对应版本的cudnn，我安装cuda版本是11.3，所以需要安装8.2.0或者8.2.1都行
找到cudnnv8.2.0，for CUDA 11.x 表示这个cuDNN版本是 CUDA 11.x 版本系列兼容的。CUDA11.x 系列包括了 11.0、11.1、11.2 、11.3等具体版本，x 表示任何小版本号

2.cudnn安装

cuDNN是以压缩包的形式提供的




之后找到路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3的文件夹，v11.3是我安装cuda的版本号，你的可能不一样，路径都差不多一样的

3.验证cudnn是否安装成功

cmd进入目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite


终端输入：deviceQuery.exe

如果结果为pass证明安装成功

到此安装结束

---

总结

创造不易，对你有帮助请点个小爱心，谢谢