cuda,cudnn和pytorch_gpu安装

首先查看本机的cuda驱动版本&＃xff1a;桌面右键点击–nvidia控制面板–帮助–系统信息

然后组件&＃xff0c;查看NVCUDA64.DLL右边对应的驱动版本&＃xff0c;我这里是11.1.114 driver&＃xff0c;所以我下载版本11.1及以下的cuda即可&＃xff08;11.0&＃xff0c; 10.1 等等&＃xff09;&＃xff0c;反之则不行&＃xff0c;驱动不支持。

然后下载cuda

选择好对应的版本然后点击下方的下载&＃xff0c;会提供local和network两种下载方式。

下载好了之后安装他会让你自定义文件夹&＃xff0c;但安装好了之后你会发现cuda文件夹消失了。他会跑到C盘路径下&＃xff0c;反正就是在C盘program files里找一下。

进入该文件夹并找到bin&＃xff0c;用命令行进入到对应的路径&＃xff0c;比如我这里是

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


命令行进入之后输入nvcc -V查看cuda安装是否成功。

显示build就说明成功了。

然后去下载cudnn, 记得要选择和cuda匹配的版本&＃xff0c;即下图中&＃xff0c;for cuda 后的版本要跟你之前下载的一致。

下载完成之后&＃xff0c;解压&＃xff0c;进入&＃xff0c;将下面三个文件复制

然后粘贴到cuda的bin下面&＃xff08;之前访问过的那个位置&＃xff09;

然后命令行进入cuda下面的extras\demo_suite&＃xff1a;

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


输入bandwidthTest.exe并执行

显示Result&＃61;Pass即可继续下一步。

然后继续输入deviceQuery.exe并执行

也显示Result&＃61;Pass即表示安装成功。

最后下载对应的pytorch gpu版本

将图中的command用命令行执行&＃xff0c;执行完成之后可以在jupyter中测试torch版本和是否支持GPU

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


显示版本和True即表示安装成功并且支持GPU计算。