CUDA安装教程【小白入门】（包含版本选择，安装失败，环境变量配置）

已于 2024-03-05 16:32:15 修改
阅读量2.7k 收藏 24
点赞数 24
分类专栏： 深度学习 文章标签： python 开发语言 深度学习
于 2024-03-05 11:45:17 首次发布
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_52443865/article/details/136374938
版权
本文详细指导深度学习开发者如何在Windows系统上安装PyTorch和CUDA，包括设置Anaconda虚拟环境、选择合适的CUDA版本、处理安装问题，以及配置环境变量，确保GPU加速的顺利使用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本文提供了一个详细的指南，帮助深度学习开发者在Windows系统上快速安装PyTorch和CUDA。我们将逐步介绍如何设置Anaconda虚拟环境、安装指定版本的PyTorch以及配置CUDA，以确保你的深度学习项目可以充分利用GPU加速。无论你是刚入门的AI爱好者还是有经验的机器学习工程师，这篇文章都将为你提供所需的一切信息，让你的开发环境配置变得轻松而无忧。

一、查找适合自己显卡驱动版本的CUDA 下载安装

如果需要安装Anaconda的可以参考一下这个帖子安装Anaconda和配置环境变量

Anaconda安装教程（超详细版）-CSDN博客icon-default.png?t=N7T8https://blog.csdn.net/m0_61607990/article/details/129531686

win+R输入cmd打开命令行

根据图片输入查看显卡驱动版本

再到以下网址查看驱动所支持的最大CUDA版本

CUDA 12.3 Update 2 Release Notes (nvidia.com)icon-default.png?t=N7T8https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html博主的是11.8版本

再进入以下网址查看支持CUDA11.8的PyTorch的版本，这里是最新版本

Previous PyTorch Versions | PyTorchicon-default.png?t=N7T8https://pytorch.org/get-started/previous-versions/

点击以下链接进入CUDA官网

CUDA Toolkit 12.3 Update 2 Downloads | NVIDIA Developericon-default.png?t=N7T8https://developer.nvidia.com/cuda-downloads

安装CUDA

根据之前查看的版本选择


下载好后打开，然后选择安装目录，然后会自动打开安装程序

下一步

如果与博主一样下载进度一直为0的，可以下载另一个选项local版本

二、安装失败问题解决
如果安装失败的【博主推荐自定义安装，然后在安装错误时，就取消勾选Nsight VSE、Nsight computer和Visual Studio Intergration，然后就能安装了】
三、环境变量配置

将环境变量添加到PATH中

接着打开cmd运行nvcc -V，有版本信息说明就是安装成功

【ubantu系统环境配置NVIIDIA+cuda】给入门小白提供参考
qq_37269796的博客
01-05 1112
双系统win10+ubantu系统。
PyTorch环境配置及安装
MaYuHuaw的博客
04-08 6231
文章目录环境配置1. Anaconda 下载2. Anaconda 安装3. 显卡配置（无 Nvidia 显卡的略过）4. 有序的管理环境5. 安装 PyTorch6. 加速（忽略，跳过）7. 验证是否安装成功 环境配置 温馨提示：为了更好的教程体验，提供视频、阅读地址 Youtube: https://www.youtube.com/playlist?list=PLgAyVnrNJ96CqYdjZ8v9YjQvCBcK5PZ-V BiliBili: https://www.bilibili.com/vid
CUDA下载安装教程，新手详细
changyana的博客
01-27 5万+
新手入门，详细安装教程
cuda安装教程 cuda安装教程
01-20
cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程 cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cuda安装教程cud
安装cuda的环境变量设置
weixin_56679743的博客
10-11 3608
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安装教程
qq_56246012的博客
10-05 1万+
最新版CUDA安装教程，配置环境变量。
【CUDA安装详细教程】
weixin_44189155的博客
08-16 5万+
windows10 版本安装 CUDA ，需要下载两个安装包CUDA toolkit（toolkit就是指工具包）和cuDNN，cuDNN 是用于配置深度学习使用官方教程。
Pytorch环境配置（anaconda安装+独显+CUDA+cuDNN)
weixin_51472673的博客
10-04 3788
深度学习——pytorch的安装配置（很详细）
Pytorch入门+实战系列一：Windows下的Pytorch环境手把手搭建
Miracle8070
02-26 8187
1. 写在前面 今天开始，兼顾Pytorch学习， 如果刚刚接触深度学习并且想快速搭建神经网络完成任务享受快感，当然是Keras框架首选，但是如果想在深度学习或人工智能这条路上走的更远，只有Keras就显得有点独木难支，这时候我们需要一个更加强大的框架，这里我想学习Pytorch，它代码通俗易懂，接近Python原生，学起来也容易一些，所以接下来会整理自己在快速入门Pytorch道路上的所见所得，...
CUDA安装指南(Linux).pdf
03-27
官方的CUDA安装指南，内容全面、详细，任何问题都可以在文档中找到解决。CUDA的安装能用NVIDIA的显卡对程序进行快速的矩阵并行运算，对训练深度学习的模型，能起到显著的加速。而前提就是需要安装，系统对应版本的CUDA。
YOLOv5入门实践（1）——手把手带你环境配置搭建
路人贾的博客
04-06 1万+
YOLOv5入门实践第一步，手把手带你配置环境
配置cuda环境变量
存放地
10-30 733
echo $PATH | grep cudanano ~/.bashrcexport PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
CUDA版本的选择
qq_51990574的博客
09-02 2173
本文详细解释了CUDA安装版本的操作步骤及其原理。
CUDA安装教程（超详细）
GitHub质检员
12-12 3万+
windows10 版本安装 CUDA ，首先需要下载两个安装包CUDA toolkit（toolkit就是指工具包）cuDNN注：cuDNN 是用于配置深度学习使用官方教程。
window11系统CUDA、cuDNN 安装以及环境变量配置
热门推荐
争渡的博客
06-17 7万+
虽然 CUDA 包含了一些基本的矩阵运算和线性代数函数，但它不直接包含深度神经网络相关的算法和优化。因此，为了使用 CUDA 进行深度学习任务，您需要安装一个额外的库，例如 cuDNN。因此，通过与 CUDA 结合使用，cuDNN 可以大幅提高深度学习应用的性能和效率。（CUDA Deep Neural Network Library）是 NVIDIA 提供的一个可选的库，用于优化深度神经网络的训练和推理性能。：这里我用 11.4版本为例，流程上是一样的，就是版本号不一样仅此而已。一般这里安装完毕后，会。
最简单、实用的cuda安装教程！！！（nvidia官方渠道下载）
qq_40947610的博客
03-13 2万+
网上教程一大推，讲了一大堆，也没解释原理，实用的没几个，自己总结的，比较简单 note：无需卸载原机器驱动，无需禁用nouveau驱动 原因： 上面我们看到系统的驱动版本为450.80.02，而nvidia官网上要求的驱动版本为455.23.05，这里安装此.run文件不影响，那么为啥呢？因为每台机器不可能都适用455.23.05驱动，都安装成此版本，好多机器没法用显卡了，英伟达没那么蠢，只是建议使用该版本， 1、如果，你按照网上其他的教程，卸载了该驱动，并安装了.run文...
TensorFlow相关组件的安装
AAI666666的博客
01-11 2621
TensorFlow相关组件的安装
ubuntu20.04安装nvidia、cud、cudnn
最新发布
01-07
### 安装准备 为了确保顺利安装NVIDIA驱动、CUDA以及cuDNN，在Ubuntu 20.04上操作前需确认系统已经更新至最新状态并重启计算机。 ```bash sudo apt update && sudo apt upgrade -y ``` ### 安装 NVIDIA 驱动 通过官方仓库安装最新的稳定版NVIDIA驱动程序是一个较为推荐的方式。在此之前，移除任何旧版本的显卡驱动是非常重要的[^1]： ```bash sudo apt-get purge nvidia* ``` 接着添加专用于GPU计算的PPA源来获取更稳定的驱动支持，并执行安装命令: ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo apt install nvidia-driver-<version> ``` 其中`<version>`代表具体的驱动版本号，可以根据实际情况调整。完成上述过程之后，建议重新启动机器使更改生效。 验证安装是否成功可以使用如下指令查询当前使用的图形设备及其驱动信息： ```bash dpkg -l | grep nvidia nvidia-smi ``` 如果显示了有关NVIDIA GPU的信息，则说明驱动安装无误[^2]。 ### CUDA Toolkit 的安装 对于CUDA工具包而言，有两种主要途径可以选择——利用APT包管理器或是下载运行文件形式的手动部署方式。这里采用更为简便的第一种方法来进行介绍。 先注册环境变量以便后续能够正常使用CUDA编译器nvcc及其他组件： 编辑~/.bashrc 文件加入下面两行（假设安装路径默认）： ```bash export PATH=/usr/local/cuda-<version>/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-<version>/lib64\ ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 再次替换 `<version>` 成实际要安装的具体版本号。保存修改后的配置文件后使之立即生效： ```bash source ~/.bashrc ``` 现在可以通过APT库直接安装所需版本的CUDA toolkit : ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda ``` 最后同样需要重启电脑让新的设置起作用。 ### cuDNN 库的集成 cuDNN作为深度学习框架下的优化加速库，通常是以压缩包的形式提供给开发者自行解压到指定目录下。前往[NVIDIA官方网站](https://developer.nvidia.com/rdp/cudnn-archive)，登录账号后找到对应于所用CUDA版本的cuDNN版本进行下载。 下载完成后给予可执行权限再按照提示逐步完成整个流程即可[^3]: ```bash sudo chmod a+x cudnn-linux-x86_64-v*-*.tgz tar -xzvf cudnn-linux-x86_64-v*-*.tgz sudo cp cuda/include/* /usr/local/cuda/include/ sudo cp cuda/lib64/* /usr/local/cuda/lib64/ ``` 注意这里的星号(*)部分应被具体版本字符串替代。至此全部软件栈均已就绪！
评论
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