windows安装cuda、cudnn
时间: 2025-02-03 09:55:01 浏览: 63
### 如何在 Windows 上安装 CUDA 和 cuDNN
#### 查询 CUDA 版本
为了确保兼容性,在开始安装之前应当确认所需的 CUDA 版本。这通常取决于所使用的深度学习框架或其他依赖于 CUDA 的软件的要求。
#### 下载 CUDA
访问 NVIDIA 提供的官方 CUDA 工具包存档页面获取不同版本的 CUDA[^1]。选择适合操作系统的特定版本进行下载。
#### 安装 CUDA
启动从官方网站下载得到的安装程序并按照提示完成整个过程。默认设置一般适用于大多数情况,但在某些情况下可能需要调整路径或组件选项。
#### 配置 CUDA 环境变量
为了让系统能够识别新安装的 CUDA 库文件位置,需更新 `PATH` 变量以及创建新的环境变量指向包含头文件和库的位置。具体来说就是将 `%CUDA_PATH%\bin;%CUDA_PATH%\libnvvp;` 添加到 PATH 中,并设定 `CUDA_HOME=%CUDA_PATH%` 或者直接指定绝对路径如 `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X`[^2]。
#### 检查 CUDA 是否安装成功
可以通过运行位于 `\extras\demo_suite` 文件夹下的示例应用程序来验证安装是否正确无误。例如执行命令 `cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite` 后再输入 `bandwidthTest.exe` 来测试带宽性能[^3]。
#### cuDNN 版本的选择与下载
cuDNN 是针对神经网络运算优化过的高性能数学函数库,同样由 NVIDIA 开发维护。其版本号要匹配已有的 CUDA 版本才能正常工作。前往 NVIDIA 注册账号后可获得对应版本 cudnn 的下载链接。
#### 安装 cuDNN
解压缩下载下来的档案并将其中的内容复制至相应目录下覆盖原有文件即可完成部署。对于典型安装而言,这意味着把 bin, include 和 lib 文件夹里的东西分别放到相同名称的子目录里去。
#### 配置 cuDNN 的环境变量
由于 cuDNN 被设计成作为 CUDA 的一部分运作,因此只要前面已经配置好了 CUDA 的环境变量,则无需额外处理这部分内容。
#### 检查 cuDNN 是否安装成功
可以编写一段简单的 Python 代码利用 TensorFlow 或 PyTorch 这样的框架来进行检测:
```python
import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
```
如果输出显示有可用的 GPU 设备数目大于零即表示一切正常。
阅读全文
相关推荐
















