CUDA 安装教程

1 cuda的下载及安装

1.1 查看适合的cuda版本

我电脑上支持的cuda是11.6的

1.2 cudatoolkit下载

developer.nvidia/cudatoolkitarchive

进入上述网页，找到适合的cuda

1.3cuda toolkit安装

双击exe文件进行安装即可

1.4配置环境

打开 设置>高级系统设置>环境变量

红框里的是系统自动添加的，蓝框里的有些情况系统不会自动添加，需要手动添加，添加时注意自己的路径。

1 NVCUDASAMPLES_ROOT C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.6 2 NVCUDASAMPLES11_6_ROOT C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.6

1.4 验证

win+R，输入cmd，输入nvccversion查看版本号，输入set cuda查看设置的环境变量

2 cuANN下载及安装

2.1 cuDNN下载

下载地址如下，下载之前需要注册一下
developer.nvidia/rdp/cudnndownload

如下链接，有适合自己的版本

developer.nvidia/rdp/cudnnarchive

2.2 cuDNN配置

将cuDNN解压到D盘

将三个文件夹拷贝到到cuda的安装目录下。默认的安装路径为

C:\Program Files\NVIDIA GPU Cputing Toolkit\CUDA\v11.6

2.3 添加环境变量

1 C:\Program Files\NVIDIA GPU Cputing Toolkit\CUDA\v11.6\bin 2 C:\Program Files\NVIDIA GPU Cputing Toolkit\CUDA\v11.6\include 3 C:\Program Files\NVIDIA GPU Cputing Toolkit\CUDA\v11.6\lib 4 C:\Program Files\NVIDIA GPU Cputing Toolkit\CUDA\v11.6\libnvvp

2.4 验证

win+R cmd进入安装目录下，再进入到extras\demo_suite下，执行.\bandwidthTest.exe和.\deviceQuery.exe，得到下图。

3 安装GPU版的torch（不需要torch的忽略）

当跑深度学习代码时，会出现如下错误，原因是原先安装的是GPU版本的torch。

3.1 安装GPU版torch

进入官网pytorch/getstarted/locally/#nocuda1

选择各配置，复制红线链接

打开torch和torchvision选择适合自己的版本

进入该路径下执行pip

1 pip install torch1.12.1+cu116cp38cp38win_amd64.whl 2 pip install torchvision0.13.1+cu116cp38cp38win_amd64.whl

cuda可以用，代码已经可以正常执行

上一篇：CUDA cudaMemcpy函数总结

下一篇：Qt 开发固高运动控制卡（高创驱动器）上位机程序

---

CUDA