WIN10安装CUDA保姆级教程[2023.5.7更新]

本系列分步记载在win10上搭建CUDA+cudnn+pytorch+YOLOv5+tensorrt等深度学习架构摆设及体系搭建，欢迎关注追更！
  目次
0.相识CUDA
1.注意事项
 1.1显卡驱动
 1.2确定关联性
1.2.1 显卡驱动与cuda的对应关系：
1.2.2 pytorch与cuda的对应关系
2.cuda安装
2.1、访问CUDA官网、配置本身的下载安装包
2、安装
2.3、配置环境变量（假如想在VS中利用CUDA就得举行这一步）
3、验证 
3.1、检察CUDA版本
3.2、检察CUDA的环境变量配置环境

---

0.相识CUDA

       CUDA（Compute Unified Device Architecture）是英伟达公司开辟的基于自家显卡的、基于新的并行编程模型和指令集架构的通用盘算架构，让用户通过此架构充分利用N卡的GPU举行复杂高效的并行盘算，如举行深度学习。

1.注意事项


 1.1显卡驱动

桌面空缺处右击打开NVDIA控制面板，查询是否出现如下图中控制面板的版本和显卡型号，如有则阐明安装了显卡驱动。

        而没有则必要安装,下载方法如下：
NVIDIA 驱动步调下载https://www.nvidia.cn/Download/index.aspx?lang=cn
选择一款与服务器显卡适配的驱动，安装指南参考NVIDIA显卡驱动。

 1.2确定关联性

用到cuda比较多的是深度学习场景，那么大概率绕不开cudnn、pytorch等深度学习框架的摆设，那么就要注意了，正所谓“你的cuda不但是你显卡的，照旧cudnn和pytorch的”，这是因为cuda可不能两眼一抹黑就下载最新的，而是要看你的显卡驱动与cuda、pytorch与cuda的对应关系：
1.2.1 显卡驱动与cuda的对应关系：

一般是驱动版本决定了能用的CUDA版本的上限，比如新版的显卡驱动可以支持老的CUDA runtime。但是老的显卡大概无法更新到最新的显卡驱动，比如Fermi显卡只能装到391驱动，因此只能用到CUDA9.1。除此之外，显卡硬件与CUDA compute capability相干，固然编译时也可以指定streaming multiprocessor。新的架构支持更多特性就是了。
 值得注意的是，每个版本的显卡驱动都有对应的CUDA Driver Version。显卡型号和CUDA Driver Version型号可以通过nvidia-smi检察，CUDA可以向下兼容，以我为例，可以安装12.1以下的版本：

更多版本关系看这里：
CUDA ToolkitLinux x86_64 Driver VersionWindows x86_64 Driver VersionCUDA 11.6 Update 2>=510.47.03>=511.65CUDA 11.6 Update 1>=510.47.03>=511.65CUDA 11.6 GA>=510.39.01>=511.23CUDA 11.5 Update 2>=495.29.05>=496.13CUDA 11.5 Update 1>=495.29.05>=496.13CUDA 11.5 GA>=495.29.05>=496.04CUDA 11.4 Update 4>=470.82.01>=472.50CUDA 11.4 Update 3>=470.82.01>=472.50CUDA 11.4 Update 2>=470.57.02>=471.41CUDA 11.4 Update 1>=470.57.02>=471.41CUDA 11.4.0 GA>=470.42.01>=471.11CUDA 11.3.1 Update 1>=465.19.01>=465.89CUDA 11.3.0 GA>=465.19.01>=465.89CUDA 11.2.2 Update 2>=460.32.03>=461.33CUDA 11.2.1 Update 1>=460.32.03>=461.09CUDA 11.2.0 GA>=460.27.03>=460.82CUDA 11.1.1 Update 1>=455.32>=456.81CUDA 11.1 GA>=455.23>=456.38CUDA 11.0.3 Update 1>= 450.51.06>= 451.82CUDA 11.0.2 GA>= 450.51.05>= 451.48CUDA 11.0.1 RC>= 450.36.06>= 451.22CUDA 10.2.89>= 440.33>= 441.22CUDA 10.1 (10.1.105 general release, and updates)>= 418.39>= 418.96CUDA 10.0.130>= 410.48>= 411.31CUDA 9.2 (9.2.148 Update 1)>= 396.37>= 398.26CUDA 9.2 (9.2.88)>= 396.26>= 397.44CUDA 9.1 (9.1.85)>= 390.46>= 391.29CUDA 9.0 (9.0.76)>= 384.81>= 385.54CUDA 8.0 (8.0.61 GA2)>= 375.26>= 376.51CUDA 8.0 (8.0.44)>= 367.48>= 369.30CUDA 7.5 (7.5.16)>= 352.31>= 353.66CUDA 7.0 (7.0.28)>= 346.46>= 347.62 1.2.2 pytorch与cuda的对应关系

pytorch与cuda的对应关系如下：
官网：Previous PyTorch Versions | PyTorch
CUDA Toolkit版本及可用PyTorch对应关系总结（参考官网）
CUDAToolkit版本可用PyTorch版本7.50.4.1 ，0.3.0， 0.2.0，0.1.12-0.1.68.01.1.0，1.0.0 ，0.4.19.01.1.0，1.0.1, 1.0.0，0.4.19.21.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0，1.2.0，0.4.110.01.2.0，1.1.0，1.0.1 ,1.0.010.11.7.1，1.7.0，1.6.0，1.5.1，1.5.0， 1.4.0，1.3.010.21.12.1，1.12.0，1.11.0，1.10.1，1.10.0，1.9.1，1.9.0，1.8.1，1.8.0，1.7.1，1.7.0，1.6.0，1.5.1，1.5.011.01.7.1，1.7.011.11.8.011.31.12.1，1.12.0，1.11.0，1.10.1，1.10.0，1.9.1，1.9.0，1.8.1，1.8.011.61.13.1，1.13.0，1.12.1，1.12.011.71.13.1，1.13.0 cuda版本确定后，pytorch要依靠此cuda版本，因为pytroch安装跟cuda对应的，比如下图，torch1.11.0只适配cuda10.2、11.3；不适配cuda10.1等其他版本cuda。


而假如是你之后要用到YOLO的话，此时最好就得下载下来，看看此中的requirements.txt文件，此中也对pytorch版本提出了要求:

我这是 yolov5，其他版本的下载本身去github上拉就好。
2.cuda安装

CUDA toolkit下载
CUDA toolkit下载地址: CUDA Toolkit Archive | NVIDIA Developer
由于不确定最新版的cuda是否可以与pytorch兼容，而且最新的cuda在后续的深度学习中也容易出题目，毕竟在这套架构里并不是每一个软件都能跟cuda举行同步更新并包管可以适配，比方制止到2023年5月7日，cuda已经最新版本是12.1,但pytouch最新版本能够兼容的cuda只有11.8.
为保险起见，我们这里安装11.1的cuda，正如我上面所说，显卡驱动是能够向下兼容低版本的cuda.
2.1、访问CUDA官网、配置本身的下载安装包

因为要下载11.1，以是点击链接：CUDA Toolkit 11.6 Update 1 Downloads | NVIDIA Developer
之后，要找到CUDA之前的存档，详细流程看图：

 


2、安装

       双击安装包，选择符合的路径，即可安装（要记住这个路径，因为大概要配置环境变量）。接下来的过程，用图语言。假如有其他分区，请勿装在C盘，下图只是演示阐明。

 



 
假如先前举行了cuda的安装，现在要重新安装的，必要将之前的版本卸载之后重新安装，重新安装时不再选择自定义安装，而是选择精简安装。
若之前还未举行过cuda的安装，现在的安装选择自定义:

 不要选Visual Studio Integration，即使选了也不能成功安装。



   记住以下安装位置，tensorflow要求配置环境
  重点提醒：一定要记住这个路径，把这个路径保存下来，背面我们还会用到！！！
  
 
 
 
 安装完成后，鼠标右键此电脑->属性->高级体系设置->环境变量，检察体系变量即可看到红色框选的两项。
大概直接在电脑搜索编辑体系环境变量打开。

检察体系变量中是否添加了路径，假如没有必要本身添加。




2.3、配置环境变量（假如想在VS中利用CUDA就得举行这一步）


我们要是为VS配置CUDA，那就得将剩下的5个环境变量补齐。 点击新建，分别输入变量名和变量值，点击确定。大家可以类比我的CUDA安装路径和环境变量的关系举行配置（不是照搬！不是照搬！不是照搬！）：%CUDA_PATH%代表的就是CUDA_PATH的路径，我的是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1。 

1. CUDA_SDK_PATH #变量名
3. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1 #变量值
7. CUDA_LIB_PATH #变量名
9. %CUDA_PATH%\lib\x64 #变量值
13. CUDA_BIN_PATH #变量名
15. %CUDA_PATH%\bin #变量值
19. CUDA_SDK_BIN_PATH #变量名
21. %CUDA_SDK_PATH%\bin\win64 #变量值
25. CUDA_SDK_LIB_PATH #变量名
27. %CUDA_SDK_PATH%\common\lib\x64 #变量值

复制代码

至此，CUDA的安装就完成了。 
3、验证 

3.1、检察CUDA版本

键盘win+R键，输入cmd，并回车，打开CMD下令框。输入如下下令 ：

1. nvcc --version

复制代码

 只要显示了CUDA的版本，就算成功了!   （保险起见多验证几步） 


3.2、检察CUDA的环境变量配置环境

 键盘win+R键，输入cmd，并回车，打开CMD下令框。输入如下下令 ：

1. set cuda

复制代码

 假如没有举行步骤中2.3的变量添加的话，那么得到的界面信息应该是下面如许

1. C:\Users\as>nvcc --version
2. nvcc: NVIDIA (R) Cuda compiler driver
3. Copyright (c) 2005-2021 NVIDIA Corporation
4. Built on Mon_May__3_19:41:42_Pacific_Daylight_Time_2021
5. Cuda compilation tools, release 11.1, V11.1
6. Build cuda_11.1.r11.3/compiler.29920130_0
9. C:\Users\as>set cuda
10. CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1
11. CUDA_PATH_V11_3=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

复制代码

cuda安装成功！
参考文章：
https://blog.csdn.net/GenuineMonster/article/details/116596761
https://blog.csdn.net/RunAtWorld/article/details/124282176?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522168337979916800211560390%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=168337979916800211560390&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_click~default-1-124282176-null-null.142^v86^insert_down1,239^v2^insert_chatgpt&utm_term=win10%E5%AE%89%E8%A3%85cuda&spm=1018.2226.3001.4187



来源：https://blog.csdn.net/ZHUO__zhuo/article/details/130536374
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！