Windows10搭建GPU版Darknet—yolov4—VS2022+CUDA+CUDNN(亲测有效)

1 VS2019安装

网址：Visual Studio: 面向软件开发人员和 Teams 的 IDE 和代码编辑器

下载完成之后双击.exe文件

步骤严格如下安装

默认语音包为中文（简体）

安装位置可以自行选择，完成以后就可以点击安装了。

安装完毕以后需要重启软件，点击确定。

然后的话我们Visual Studio 2022是社区版的需要一个微软的账号登陆，登录以后就可以永久免费使用了。当然，如果我们这里没有是给大家做个示范就先选择以后再说，这个的话就只有30天免费使用。

跳过此项后来到开发环境设置，因为我们是C++所以选择Visual C++

启动VS

到这里我们的Visual Studio 2022已经安装完成可以使用了

1.1 Visual Studio 2022使用教程

安装完成以后就可以来写一个简单的C语言代码了。

 那怎么去写呢？

这里我们双击创建新建项

 再双击空项目

 然后我们就可以根据自己想要的创建项目的名字和位置了，一般项目名称不要出现中文和空格，这里我就叫test_8_11，再点击创建。

进入页面以后，用鼠标右键点击源文件

 再添加新建项

因为我们写的是C语言代码就命名为.c文件

 点击添加，我们就创建了一个新的test.c文件

 然后我们就可以输入自己想要的代码了，这里我们输入一个简单的代码程序

#include<stdio.h>
int main()
{
	printf("Hello World!");
	return 0;
}

  ctrl+F5代码执行

到这里我们的Visual Studio 2022就可以正常使用了，有任何问题都可以在评论区留言或者直接私信我，我会一 一解答大家的问题

 1.2 CUDA到底是个啥

统一计算设备架构(Compute Unified Device Architecture, CUDA)是由NVIDIA推出的、只能用于自家GPU的通用并行计算架构，该架构能够使GPU解决复杂的计算问题。所谓并行计算，计算的原则可以概括为：一个大问题可以被划分为很多可以同时解决的小问题，并对这些小问题同时进行处理计算的过程。CUDA中计算分为两部分，串行部分在Host上执行，即CPU，而并行部分在Device上执行，即GPU。只有要解决的计算问题是需要进行大量并行计算的时候才能发挥CUDA的作用。

近年来，GPU被广泛应用于深度学习领域，并取得了相当哇塞的效果，基于GPU的并行计算已经成为训练深度学习模型的标配。然而，GPU并不是一个独立运行的计算平台，还需要与CPU协同工作，可以将其看做CPU的协处理器。因此GPU并行计算，其实是指CPU+GPU的异构计算架构。GPU与CPU通过PCIe总线连接在一起来协同工作，CPU所在位置称为为主机端（host），而GPU所在位置称为设备端（device）

1.3  cuDNN又是个啥

NVIDIA CUDA 深层神经网络库(cuDNN)是一个用来进行 GPU 加速的深层神经网络库。cuDNN可以显著加速深度学习框架。cuDNN还可以集成到更高级别的机器学习框架中，如谷歌Tensorflow、加州大学的caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。

cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。如果将CUDA看作是一个木匠的木工桌，上面配有各种需要的工具。而cuDNN就相当于是木工桌上的工具之一，如一把扳手。但是这个叫CUDA的木工桌买来的时候，并没有送扳手，这时木匠想在木工桌上拧个螺钉，就需要木匠自己来配置一把合适的扳手。同理，如果想要在CUDA上面运行深度神经网络，就需要安装合适版本的cuDNN。这样才能使GPU进行深度神经网络的工作。

2 CUDA+cuDNN安装步骤内容介绍

2.1 CUDA的安装步骤

首先安装NVIDIA的显卡驱动，在安装之前需要确认自己电脑显卡驱动的产品类型,以及支持的CUDA版本

方法一：cmd窗口运行nvidia-smi 若此处没有cuda version 版本 则没有显卡

方法二：右击屏幕空白处

、

支持的CUDA版本选择的是11.6。下载链接如下所示，可按自己显卡配置的需求自定义下载：

CUDA Toolkit Archive | NVIDIA Developer选择出适合自己的版本的CUDA

当下载完成后，就可以开始安装CUDA啦！安装的时候最好关上防火墙。我第一次配置环境就在安装这块墨迹了很久，卸载重新安装又很麻烦，所以这步一定要仔细！

下载后点击exe文件运行，一共会设置两次解压目录，分别为临时解压目录与安装目录。临时解压路径默认与自定义都可以，安装结束后，临时解压文件夹会自动删除；安装目录路径建议默认即可(注：临时解压目录与安装目录的安装路径不能设置一样，否则安装结束后会找不到安装目录)，选择安装目录时要注意记一下安装路径，后面还会用到。

前面系统检查、许可协议按默认进行即可，安装选项选择自定义安装(第一次安装全选，第N次安装只选择CUDA)，自定义选项如下图所示：

接下来就可以选择安装目录位置了，为了避免出错，这里的安装路径建议默认路径，不用去更改，这里再注意下记住安装位置。

到这里CUDA就安装完成了，随后可以通过“Win+R”打开命令行输入“cmd”后，在默认安装文件夹下输入“nvcc -V”查看是否安装成功：

2.2 cuDNN的安装步骤

cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算，因此在安装完CUDA后还要下载与之匹配版本的cuDNN。

下载地址：cuDNN Archive | NVIDIA Developerhttps://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b

选择 与自己cuda版本对应的cudnn

或者也可以右键点击需要下载的版本，选择“复制链接”，然后打开迅雷等下载工具，添加任务时粘贴进刚才复制的网址，即可完成下载。下载完成后，对压缩包进行解压并打开，可以看到有几个文件夹，将每个文件夹里面所有的内容复制并放到CUDA安装目录相应文件夹下即可。

具体操作如下，解压

打开解压文件，查看里面的文件夹：

打开前面CUDA的安装目录，并与cuDNN目录进行比对：

将cuDNN对应文件夹的内容复制到CUDA对应文件夹中：

2.3 设置环境变量与验证

完成后需要设置环境变量，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_V11_1两个环境变量：

然后编辑系统变量下的 “Path”变量。此处需要添加两个变量：

1.C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin

2. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\CUPTI\lib64

编辑完成后点击“确定”，cuDNN就安装完事儿啦，最后通过“Win+R”打开命令行输入“cmd”后，输入“nvcc --version”验证一下是否安装成功：

或者采用CUDA内置的deviceQuery.exe 和 bandwithTest.exe 来判断是否安装成功。

通过“Win+R”打开命令行输入“cmd”后，cd到安装目录下的demo_suite，然后分别执行bandwidthTest.exe与de viceQuery.exe，成功的话会得到下图：

 到这里，结果显示PASS关于VS2022+CUDA11.1+cuDNN8.0.5的安装就完成啦！