Cuda | Cudnn安装及其配置

最新推荐文章于 2025-04-19 10:40:49 发布
最新推荐文章于 2025-04-19 10:40:49 发布
阅读量5.6k 收藏 38
点赞数 37
分类专栏： HPC高性能计算 Python那年那些事 文章标签： c++ 人工智能 python
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/runofsun/article/details/126615135
版权

文章目录

  👉引言💎

学习的最大理由是想摆脱平庸，早一天就多一份人生的精彩；迟一天就多一天平庸的困扰。
热爱写作，愿意让自己成为更好的人…
…
在这里插入图片描述

铭记于心
🎉✨🎉我唯一知道的，便是我一无所知🎉✨🎉

一、Cuda安装

1 选择Cuda版本

  • 首先查看 电脑的显卡驱动版本，然后根据显卡驱动去选择相应的的cuda版本号

    有两种方式去查看电脑的显卡版本

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

如果缺失驱动程序，那么可以再在https://www.nvidia.com/Download/index.aspx?lang=en-us下载相应的驱动程序

2下载及运行安装程序

在这里插入图片描述

在这里插入图片描述

  • 然后运行install.exe，会出现一个 填写位置的信息，那个是安装临时文件的储存位置，直接系统默认的c盘就可以，安装完会自动清理的

  • 随后 进入安装页面后选择自定义，这里可以 自己选择文件安装位置，这个才是Cuda visual studio的安装位置

在这里插入图片描述

3 测试

在这里插入图片描述

二、Cudnn安装

  • 什么是Cudnn？

    是基于Cuda的一个深度神经网络库，它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。

CUDA看作是一个工作台，而基于CUDA的深度学习GPU加速库 cuDNN相当于工作的工具，有了它，才能在工作台上进行工作（深度学习的计算训练等）想要在CUDA上运行深度神经网络，就要安装cuDNN，工作速度相较CPU快很多，那么如何安装Cudnn呢？请往下看：

1、进入官网下载对应cuda版本的cudnn

在这里插入图片描述

  • 如何查看cuda版本？

    nvcc --version

在这里插入图片描述

2、下载好相应版本并进行解压安装

3、解压完成后

  • 从下面三个文件夹中找到指定文件，并拷贝相应文件到cuda的相应目录中，具体操作如下图所示

在这里插入图片描述

  • 进入到cuda以下目录，若不是默认安装位置，则可使用****查看

  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4

在这里插入图片描述

4、测试

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\demo_suite

进入相应磁盘目录

运行deviceQuery.exe与bandwidthTest.exe进行测试

如下即说明测试成功.
在这里插入图片描述

在这里插入图片描述

🌹写在最后💖：
路漫漫其修远兮，吾将上下而求索！伙伴们，再见！🌹🌹🌹在这里插入图片描述

【深度学习环境配置】Anaconda + PyCharm + CUDA + cuDNN + PyTorch + OpenCV
shinuone的博客
02-23 1万+
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
Ubuntu系统下 Nvidia驱动 + cuda驱动 + CuDNN安装与卸载
无人机飞啊飞啊飞
04-23 3120
但是，需要注意的是，当询问是否安装显卡驱动时，选择no，当输入nvidia-smi没问题的时候一般代表显卡驱动没问题。-no-opengl-files：只安装驱动文件，不安装OpenGL文件。接下来和之前一样，检测你的NVIDIA显卡型号和推荐的驱动程序的模型。如下，推荐nvidia-driver-535-server-open。安装Nvidia显卡的官方驱动和系统自带的nouveau驱动冲突。首先，检测你的NVIDIA显卡型号和推荐的驱动程序的模型。执行自动安装，将会安装所有推荐的驱动程序。
CUDA、cuDNN及pytorch详细安装教程
ilvlearning的博客
07-25 7318
炼丹前置条件，配置各种药材。
深度学习之CUDA+CUDNN软件安装教程！
weixin_74009895的博客
10-13 4446
深度学习之CUDA+CUDNN软件安装教程！
在Windows 11上面安装CUDA 和 CUDNN 详细教程
最新发布
加入“Super Entity”，与全能开发团队共探AI智能体与数字人项目，开启前沿技术之旅。
04-19 2118
在 Windows 11 上安装 CUDA 和 cuDNN 是利用 NVIDIA GPU 进行加速计算和深度学习开发的关键步骤。通过本文的详细讲解，读者可以全面了解 CUDA 和 cuDNN 的概念、安装方法、配置步骤、应用场景以及注意事项。无论是在深度学习框架加速、计算机视觉、高性能计算还是游戏开发等领域，CUDA 和 cuDNN 都能够提供强大的计算支持，帮助开发者提高工作效率和应用性能。随着深度学习和 GPU 计算技术的不断发展，CUDA 和 cuDNN 将持续优化和进化。性能提升。
安装CUDA和CUDNN
weixin_46245702的博客
03-14 1096
cuda,cudnn
安装cudnn
Tang_Zhe的博客
12-17 2万+
网上搜到了一些安装cudnn的步骤，都是这样的： 1. 从官网下载cudnn 2. 解压 3. 将解压出来的lib64和include中所有的内容都拷贝到/usr/local/cuda的lib64和include中 不行。 看了一下解压出来的内容，lib64里面包含了两个软链接，直接cp过去软链接会失效。正确的做法是把lib64的路径添加到环境变量。 正确的安装步骤 1. 从官网下载cudnn NVIDIA cuDNN | NVIDIA Developer 第一次下要注册一下 .
cuDNN神经网络加速库的配置
Elon15的博客
07-08 884
cuDNN神经网络加速库的配置
cuDNN配置
Aaron9489的博客
11-14 183
cuDNN安装教程
【工具】cuDNN安装配置
...
12-21 540
安装cuDNN之前需要安装cuda，关于cuda的安装可以查看：《cuda安装及验证》 下载 下载地址 在此之前你还需要注册一个英伟达的账号，才能进行下载哦 安装配置 解压之后 找到cuda安装位置，将刚刚解压的cuDNN下的三个文件夹：bin、include、lib下的内容分别复制到cuda对应的同名文件夹下面 这里需要特别注意的是lib文件夹需要再往下一层，将x64文件夹下面的内容复制到cuda的lib的x64文件夹下面： 最后添加环境变量 至此，cuDNN就安装配置完成了 如何验证cuDNN安装配
深度学习GPU加速：CUDA与cuDNN安装全攻略
ciweic的博客
12-14 2596
通过以上步骤，您应该能够顺利完成CUDA与cuDNN的安装，并开始利用GPU加速您的深度学习项目。如果您在安装过程中遇到任何问题，可以参考NVIDIA官方提供的安装指南和文档，或者在相关技术社区寻求帮助。祝您在深度学习的道路上越走越远，利用GPU的强大计算能力，探索人工智能的无限可能。
CUDA及其cudnn安装
08-20
要安装CUDA和cudnn，你可以按照以下步骤进行操作： 1. 首先，确保你的显卡支持CUDA。可以在NVIDIA官方网站上查找显卡的兼容性信息。 2. 下载并安装适合你操作系统的CUDA Toolkit。你可以在NVIDIA官方网站的CUDA...
CUDA、cudnn、tensorflow，配置tensorflow-gpu版
05-05
本文将详细介绍这些组件及其配置，以便您能成功安装和使用 TensorFlow-GPU 版本。 首先，CUDA（Compute Unified Device Architecture）是由 NVIDIA 提供的一种编程模型，它允许开发人员使用 C, C++, Fortran 等语言...
【CUDA|CUDNN】安装
胡侃有料的博客
07-09 1573
显卡驱动安装参考之前的文章cuda、cudnn 安装。
cuda和cudnn的安装教程(全网最详细保姆级教程)
热门推荐
在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步
08-25 5万+
CUDA和cuDNN是由NVIDIA提供的两个关键软件库，用于利用NVIDIA GPU进行高性能计算和深度学习加速。
cudnn 安装
weixin_67615387的博客
01-30 1万+
windows cudnn安装步骤
手把手教你配置CUDA, cuDNN-十分钟配置本地CUDA, cuDNN
c_h_q_的博客
03-11 1万+
手把手教你配置CUDA, cuDNN-十分钟配置本地CUDA, cuDNN
CUDA配置方法
闹市茅庐
02-05 985
开始接触CUDA，我安装好后完全不知道怎么运行demo，当然也没有见到详细的安装说明。下面说说我的经验。Platform:Win XP64IDE:VS2008 1 获取可访问以下网址：http://www.nvidia.com/object/cuda_get.html共需下载3个应用程序，分别是：1、CUDA Driver2、CUDA Toolkit3、CUDA S
cudnn下载配置环境变量
03-29
<think>好的，我需要帮助用户下载cuDNN并正确配置环境变量。首先，我得回忆一下cuDNN的下载流程。用户可能已经安装了CUDA，所以需要确认CUDA的版本，因为cuDNN版本必须与CUDA兼容。用户提到的引用[1]和[2]是关于CUDA环境变量配置和Conda环境创建的，这可能和配置cuDNN有关联。 首先，下载cuDNN需要注册NVIDIA开发者账号，这可能是一个步骤。用户需要访问NVIDIA官网，找到cuDNN的下载页面，选择对应CUDA版本的cuDNN。比如，如果用户安装的是CUDA 10.2，那么需要下载对应的cuDNN版本，比如8.0.5。 然后，解压下载的文件，通常是一个tgz压缩包。解压后，用户需要将文件复制到CUDA的安装目录中，比如将include和lib64目录下的文件分别复制到CUDA的include和lib64目录下。这可能涉及到使用sudo命令，因为CUDA通常安装在系统目录。 接下来是配置环境变量。引用[1]中提到的是CUDA的环境变量设置，但cuDNN本身不需要额外的环境变量，因为它只是库文件，复制到CUDA目录后系统会自动找到。不过，用户可能在Conda环境中使用，所以引用[2]中提到的创建conda环境可能会有帮助，比如确保环境中的CUDA路径正确。 需要注意的常见错误包括版本不匹配，或者文件复制到错误的目录。此外，用户可能误配置环境变量，导致系统找不到cuDNN库。需要提醒用户检查CUDA版本和cuDNN版本的兼容性，并正确复制文件。 最后，验证安装是否成功，可以通过运行一个深度学习框架的示例，或者检查cuDNN的版本号。例如，使用PyTorch或TensorFlow的测试代码，或者运行cudnn_version.h中的头文件查看版本。 总结步骤：注册账号→下载对应版本→解压复制→验证安装。同时，确保环境变量如LD_LIBRARY_PATH正确设置，可能结合Conda环境使用。</think>### cuDNN下载与配置步骤 #### 一、下载cuDNN 1. **注册NVIDIA开发者账号** 访问[NVIDIA cuDNN下载页面](https://developer.nvidia.com/cudnn)，注册并登录账号（免费）。 2. **选择适配的cuDNN版本** 需与已安装的CUDA版本严格匹配。例如： - 若CUDA版本为$11.x$，选择cuDNN $8.x.x$； - 若CUDA版本为$10.2$，选择cuDNN $7.6.5$[^1]。 3. **下载对应文件** 选择`Local Installer for Linux (x86_64)`格式的`.tar`压缩包。 --- #### 二、安装cuDNN 1. **解压文件** ```bash tar -xzvf cudnn-<version>-linux-x64-v8.x.x.x.tgz ``` 2. **复制文件到CUDA目录** ```bash sudo cp cuda/include/cudnn*.h /usr/local/cuda-<版本>/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda-<版本>/lib64 sudo chmod a+r /usr/local/cuda-<版本>/include/cudnn*.h /usr/local/cuda-<版本>/lib64/libcudnn* ``` 例如CUDA 11.1： ```bash sudo cp cuda/include/cudnn*.h /usr/local/cuda-11.1/include ``` --- #### 三、配置环境变量 1. **更新动态库缓存** ```bash sudo ldconfig ``` 2. **验证cuDNN路径** 确保CUDA环境变量已配置（引用[1]的配置方法）： ```bash export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-<版本>/lib64 export PATH=$PATH:/usr/local/cuda-<版本>/bin ``` --- #### 四、验证安装 1. **通过深度学习框架测试** 在Python环境中运行： ```python import torch print(torch.backends.cudnn.version()) # 应返回cuDNN版本号 ``` 2. **直接查看头文件版本** ```bash cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 ``` --- #### 常见问题 - **版本不匹配**：cuDNN与CUDA版本冲突会导致程序崩溃，需严格对照版本矩阵。 - **权限问题**：复制文件时若提示权限不足，需使用`sudo`命令。 - **环境变量未生效**：若使用Conda环境，需在激活环境后重新配置变量[^2]。 ---
评论 21
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

打赏作者

梦想new的出来

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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