目录

安装Nvidia显卡驱动

安装Tookit和CuDNN

前言

安装工具的准备

CUDA 安装与配置过程

cuDNN配置

安装PyTorch

卸载CUDA

1.前言

2.卸载开始

参考


B站视频教程参考: https://www.bilibili.com/video/BV1ng411M7qV

安装Nvidia显卡驱动

安装Nvidia显卡驱动前可以先检查Nvidia显卡驱动是否已安装。搜索 Nvidia控制面板 或 Nvidia Control Panel可以看到当前已经安装的显卡驱动及版本

如需安装显卡驱动,在官方驱动下载网站找到自己的显卡型号对应的驱动下载并安装: 官方驱动 | NVIDIA

安装Tookit和CuDNN

前言

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(cuDNN 是用于配置深度学习使用)
  • 官方教程 CUDA:Installation Guide Windows :: CUDA Toolkit Documentation

    cuDNN:Installation Guide :: NVIDIA Deep Learning cuDNN Documentation

    安装工具的准备

    CUDA toolkit下载

    CUDA toolkit下载地址: CUDA Toolkit Archive | NVIDIA Developer

  • 官网安装: CUDA Toolkit 11.6 Update 2 Downloads | NVIDIA Developer
  • 官网说明文档: Release Notes :: CUDA Toolkit Documentation
  • GA = General Availability,通用版本,指软件的通用版本。 RC=Release Candidate,含义 是"发布候选版",它不是最终的版本,而是最终版(RTM=Release To Manufacture)之前的最后一个版本

    CUDA的版本是跟显卡型号有关还是驱动有关?

    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。但是老的显卡可能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相关,当然编译时也可以指定streaming multiprocessor。新的架构支持更多特性就是了。

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

    由于PyTorch最大只支持CUDA11.3,因此使用 CUDA 11.3.1 Update 1 版本

    cuDNN下载

    cuDNN地址如下,不过要注意的是,我们需要注册一个账号,才可以进入到下载界面。下载地址: https://developer.nvidia.com/rdp/cudnn-download

    可以使用下面网址,查看适配的 cuDNN: cuDNN Archive | NVIDIA Developer

    由于在win10上使用CUDA 11.3,因此使用如下版本:

    CUDA 安装与配置过程

    双击“exe文件”,选择下载路径,推荐默认路径,安装后该目录会自动被清理。

    安装选项

  • 如果你是第一次安装,尽量全选
  • 如果你是第n次安装,尽量只选择第一个,不然会出现错误

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

    记住安装位置,tensorflow要求配置环境

    重点提醒:一定要记住这个路径,把这个路径保留下来,后面我们还会用到!!!

    安装完成后,查看系统变量中是否添加了路径,如果没有需要自己添加。

    测试环境是否安装成功。运行cmd,输入nvcc --version即可查看版本号; set cuda,可以查看 CUDA 设置的环境变量。

    C:\Users\as>nvcc --version
    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2021 NVIDIA Corporation
    Built on Mon_May__3_19:41:42_Pacific_Daylight_Time_2021
    Cuda compilation tools, release 11.3, V11.3.109
    Build cuda_11.3.r11.3/compiler.29920130_0
    
    C:\Users\as>set cuda
    CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
    CUDA_PATH_V11_3=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
    Copy

    cuDNN配置

    1.解压 cuDNN叫配置更为准确,我们先把下载的 cuDNN 解压缩,会得到下面的文件:

    下载后发现其实cudnn不是一个exe文件,而是一个压缩包,解压后,有三个文件夹,把三个文件夹拷贝到cuda的安装目录下。

    CUDA 的安装路径在前面截图中有,或者打开电脑的环境变量查看,默认的安装路径如下:

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

    后面那个v11.3是自己的版本号

    CUDA 安装目录文件:

    拷贝时看到,CUDA 的安装目录中,有和 cuDNN 解压缩后的同名文件夹,这里注意,不需要担心,直接复制即可。cuDNN 解压缩后的同名文件夹中的配置文件会添加到 CUDA安装目录中的同名文件夹中。

    现在大家应该可以理解,cuDNN 其实就是 CUDA 的一个补丁而已,专为深度学习运算进行优化的。然后再参加环境变量

    2.添加至系统变量 往系统环境变量中的 path 添加如下路径(根据自己的路径进行修改)

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp

    验证安装是否成功 配置完成后,我们可以验证是否配置成功,主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe: 首先win+R启动cmd,cd到安装目录下的 extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:

    安装PyTorch

    PyTorch官网安装: Start Locally | PyTorch

    这里在win10上使用最新的PyTorch

    安装成功后使用 PyTorch 程序检查

    import torch
    print(torch.__version__)
    print(torch.cuda.is_available())

    如果输出的结果是False,那么说明当前的Pytorch版本无法使用显卡。 使用就会遇到错误

    AssertionError: Torch not compiled with CUDA enabled

    检查一下当前的CUDA版本,可以在CUDA目录下查看 version.json 。

    卸载CUDA

    如果CUDA Tookit装错了,那就需要卸载旧的CUDA Tookit,安装新的CUDA Tookit。

    1.前言

    别用杀毒软件来卸载这个。打开电脑的控制面板,找到程序,卸载程序 点击当天安装的时间,会找到刚才装的cuda软件,也包括以前NVIDIA的驱动软件,因为被更新了,所以也显示在当天安装的软件中。

    2.卸载开始

    对于含cuda字眼的,和结尾版本号是11.3 的可以卸载。 如果不确定那个程序能不能删除,可以搜索试试看,程序什么用途的。NVIDIA的软件一个个都有其独立卸载程序,不用担心卸载顺序。 

    1.留下:NVIDIA的图形驱动程序、NVIDIA Physx系统软件,NVIDIA GeForce Experience,如果你有这3个软件,就别卸载。 

    2.卸载:

    1. 推荐排序。 点击顶部时间小三角排序,找到NVIDA从下往上卸载,跳过保留的NVIDIA图形驱动、NVIDIA Physx系统软件、NVIDIA GeForce Experience。软件名含cuda11.3的,sdk,NVIDIA Nsight等,这些都可以卸载掉。

    2. 卸载完后,你会发现电脑—开始—所有程序,里面那个关于NVIDIA的程序文件不见了。存在的话,也可以看看里面还剩下什么,可以搜索看看。当然,C盘里面C:\Program Files\NVIDIA GPU Computing Toolkit文件也可以删除了。

    3. 用杀毒软件垃圾扫描下,清理下电脑,主要是清理注册表

    4. 卸载结束

    参考

    1. win10如何查看NVIDIA驱动的版本
    2. 【CUDA】cuda安装 (windows10版)
    3. win10 卸载cuda

    来源:RunAtWorld

    物联沃分享整理
    物联沃-IOTWORD物联网 » Win10安装CUDA

    发表评论