深度学习之CUDA+CUDNN详细安装教程

【Windows11】Cuda和Cudnn详细安装教程 这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar 阅读详情

1 前言

一点自己的想法了,可以跳过去,haha~

    在机器学习领域,为了让你的计算机学会某种技能,拥有我们的智慧,然后去做一些有趣的事情,比如去预测以后房子的价格,或者是在国家倡导垃圾分类的大环境下,让机器帮你分类家里的垃圾,亦或者是让机器创作一首歌、一幅画作等,这样的场景想必那是一定是非常震撼的。但这三个方面的应用令我最为感兴趣的就是创作,让机器实现创作,总会让我们得到一些惊奇的作品。
    一个模型往往是异常的复杂,我们可以想象一下在线性拟合中,我们采用的最小二乘法仅仅只涉及两个参数,这其实可以称得上是一个最为基本的模型了,没错这个模型就是一个函数式,你给它一个输入,他就会返回一个对应的值。说到现在的机器学习,无非也就是在找一个函数式,不过这个函数式不在像线性拟合那样简单了,不在只有k、b两个参数要确定了,而可能有成千上万,或者上亿的参数要等我们去确定。难道我们要去真的用手去算这些参数吗,那显然是不现实的,也是不可取的;计算机的发展,让这一切都成为了可能,但单靠CPU的计算还是达不到目的的,近十年来随着机器学习技术的深入研究以及计算机硬件的发展,尤其是在GPU上的发展,使得这一切都变得顺理成章。
    这是一次革命,因为它带动了社会各个行业的发展。在机械工程领域里,它使得机器故障诊断得到了进一步的发展,使得神经网络控制算法得到真正应用;在化学分析领域,它使得化学信息学有了新的研究方法,能够预测化合物潜在性质的模型;此外,在制药领域运用这种现代的方法,就可以很快地找到一种新的药物运用于临床试验等等,还有许多的行业,由于学疏才浅在这里就不过多例举了,但总之一句话,机器学习的出现真的影响了你和我,也真的影响了社会的发展。


---- 这里才真正有用的句子,zizi~ ----

    上面都说了,那个机器学习的模型很庞大,很复杂的,那我们是不是得有个利器,正所谓工艺善其事,必先利其器,看还是传统文化博大精深呀!
    在深度学习中,除了要搞一个好的计算机,要计算得到那个函数式的最佳参数,光靠CPU是不行的,还得靠GPU呀,为什么呢,因为它能并行运算呀,就像你做饭的时候,完全可以同时把衣服给洗了,当然不是用你那双好看的手了,当然得是配上那超强超好用的全自动洗衣机呀!道理就是这么简单,再深入我可就解释不了了,脑瓜子真不行了~
    但光有个GPU这个硬件当然是不行的,为了让它动起来我们首先得驱动它,你的计算机只要有这个NVIDIA的显卡,能正常使用,一般就表明已经成功安装了驱动;那这个CUDA和CUDNN都是些什么东西呀?

下面就让我们一起来解决这个问题和安装这些东西吧~

2 什么是CUDA和CUDNN

2.1 CUDA

    先看看百度百科里面是怎么解释的,CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。
    换句话说CUDA是NVIDIA推出的用于自家GPU的并行计算框架,也就是说CUDA只能在NVIDIA的GPU上运行,而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。

CUDA架构

    在 CUDA 的架构下,一个程序分为两个部份:host 端和 device 端。Host 端是指在 CPU 上执行的部分,而 device 端则是在GPU芯片上执行的部分。Device 端的程序又称为 “kernel”。通常 host 端程序会将数据准备好后,复制到显卡的内存中,再由GPU芯片执行 device 端程序,完成后再由 host 端程序将结果从显卡的内存中取回。[1]

2.2 CUDNN

    CDNN(CUDA Deep Neural Network library):是NVIDIA打造的针对深度神经网络的加速库,是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型,cuDNN不是必须的,但是一般会采用这个加速库。[2]

这一部分可以去参考这篇大佬的CSDN博文。--> 参考链接

3 下载CUDA和CUDNN

3.1 直达通道

如果你需要直接下载cuda_11.1.1_456.81_win10.exe和对应的cudnn-11.1-windows-x64-v8.0.5.39,可以直接访问我分享的链接,只需要在微信公众号中搜索“sokestudio”并回复“ML001”即可获取链接及提取码~

如果你不知道你的计算机支持哪一版本,那就请继续3.2和3.3小节吧~

3.2 查询显卡驱动

请确保你的计算机有NVIDIA独立显卡!!!

    这里以Windows11操作系统为例,我们只需要在桌面上右键选择NVIDIA控制面板即可,点进去:

图 3.1
 

    如果右键没有出现这个选项,你可以按照下面的操作找到它,点进出:

图 3.2
 

    如果还没有的话,你确定你的计算机有独立显卡吗,或者是别的类型显卡,如果是这样那本教程可能不适合你呀~,当然这并不影响你继续学习机器学习,有CPU也可以用啊,就是计算慢了(buzhi)一点,如果有经费了记得去给你的计算机配好的NVIDIA的独立显卡吧~
    进去之后就是这样的:

图 3.3
 

    哎,我的显卡就是这么垃圾,运行个Word,PPT,PS,SW,CAD...还行,反正我又不用他做深度学习也够了,因为我又更好的工作站,当然不是我的啦!有学上真得好呀,各位小伙伴们加油啊,好好学习,快乐生活~


    废话不多说我们继续。。

图3.4 CUDA 版本查询
 

    这样我们就查询到我们驱动的版本啦,我这里是 CUDA 11.4。你要记住你自己的版本啊~,当然这里你也可以选择更新你的驱动,具体操作我就不赘述了,有不会的小伙伴也可以留言啊!

3.3 下载CUDA

    接下来,我们来下载这个CUDA,这里选择的版本不能高于你的显卡驱动里面那个版本号,比如我的就不能高于11.4,所以这里我选择了11.1版本,大家根据自己的型号来;

下载地址: https://developer.nvidia.com/cuda-toolkit-archive

图3.5
 
图3.6
 

3.4 下载CUDNN

    再接下来,我们来下载相应的神经网络的加速库CUDNN,该文件的版本又取决于上面你下载的CUDA的版本,记得不要弄错啦!下面是下载的链接,要仔细啊~

下载地址: https://developer.nvidia.com/rdp/cudnn-archive

图3.7 可能没有该页面,直接跳过即可
 
图3.8 选择CUDNN版本
 
图3.9 如果没账户记得先注册个账户啊
 

    我们有账户登录成功后会调到下面这个页面,点击下载即可;如果没有请重新从访问下载地址开始即可;

图3.10 下载CUDNN
 

4 安装CUDA和CUDNN

    真棒啊!你已经下载了CUDA和CUDNN啦!下面我们来安装它~

图4.1 对就是两个文件
 

4.1 安装CUDA

图4.2 双击CUDA安装文件
 
图4.3 解压文件
 

    这里就直接点击OK即可,临时目录而已~

图4.4 解压中
 
图4.5 同意并继续
 
图4.6 按图操作
 
图4.7 按图操作
 
图4.8 选择安装路径
 
图4.9 我的安装路径
 

默认路径的可以跳过图4.9的操作啦~

图4.10 准备中...
 
图4.11 安装中...
 
图4.12 安装完成
 
图4.13 结束
 

    安装完成啦,你可真是个聪明的孩子呀~,下载让我们测试一下吧!我们在键盘上按下"Win+R",实在不知道"Win+R"是什么,赶快去百度呀!

图4.14 打开CMD
 

这里我们需要输入“nvcc -V”,按Enter键回车即可!

图4.15 测试CUDA安装
 

4.2 CUDNN安装

    到了最后一个环节了,到这里与其说是安装CUDNN,还不如说是复制替换文件,为什么这样说呢,请继续看下面的操作~
    首先,我们来解压一下刚才下载的第二个文件;

图4.16 解压CUDNN文件
 
图4.17 进入解压文件夹
 
图4.18 复制文件夹
 

    进入刚才你安装CUDA的目录,如果你刚才默认安装路径的话,可以看看图4.8中第一个路径,然后进去就会看到下面这个文件夹里面的内容,再粘贴即可;

图4.19 进入CUDA安装目录
 
图4.20 粘贴文件夹

    

看到了吧,CUDNN就只需要复制粘贴一下就可以啦,安装包没用的话也就可以删除啦,这样就不占空间了;

5 结束语

    好的,今天到这里,CUDA和CUDNN全部的安装过程就结束了,希望能帮到各位小伙伴,好长时间没有更新了,谢谢各位小伙伴的关注和支持~

参考资料

[1] 引用: https://blog.csdn.net/u014380165/article/details/77340765

[2] 引用: https://blog.csdn.net/u014380165/article/details/77340765

深度学习小记录——显卡1660Ti适配的Tensorflow和CUDA、CUDNN安装教程 tensorflow=1.14 可以在命令行中输入以下代码下载tensorflow, pip install tensorflow==1.14 如果嫌下载速度慢,可以添加阿里云的源,清华源可能用的人太多了 pip install tensorflow==1.14 -i https://mirrors.aliyun.com/pypi/simple/ 从网上搜集的数据看,tensorflow版本需... 阅读详情

相关推荐

python&anconda系列(亲测有效):window11系统CUDA、cuDNN 安装以及环境变量配置

window11系统CUDA、cuDNN 安装以及环境变量配置

weixin_54626591的博客 4054

cuda和cudnn的安装教程(全网最详细保姆级教程)

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。

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 7万+

DL之IDE:深度学习环境安装之Tensorflow/tensorflow_gpu+Cuda+Cudnn(最清楚/最快捷)之详细攻略(图文教程)

​ DL之IDE:深度学习环境安装之Tensorflow/tensorflow_gpu+Cuda+Cudnn(最清楚/最快捷)之详细攻略(图文教程) 目录 安装思路 1、tensorflow_gpu+Cuda+Cudnn版本匹配官方推荐 2、先解释一下cuda与cudann 3、下载并安装CUDA 4、下载并配置cudnn 5、安装tensorflow_gpu 6、最后测试是否安装成功 安装思路 第一步:先洗脸 第二步:照照镜子 第三步,因为现在电脑比较新,差不

头部AI社区如有邀博主AI主题演讲请私信—心比天高,仗剑走天涯,保持热爱,奔赴向梦想!低调,专注,谦虚,自律,反思,成长,还算比较正能量的博主,公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然,有点小情怀,也有点使命感呀 2万+

(超详细)CUDA与cuDNN安装教程

我们在安装好Python、Pycharm以及Anaconda之后,就要开始考虑你的程序是用CPU跑还是用GPU跑,如果要用GPU跑的话,就要用到CDUA toolkit这个工具包以及cuDNN这个安装包。下面开始带领大家安装一下这两个工具。

qq_45904458的博客 2万+

DL之IDE:深度学习环境安装之Visual Studio 2015版本+CUDA8.0+Cudnn8.0+OpenCV 3.1.0版本完美搭配安装图文教程之详细攻略

​ DL之IDE:深度学习环境安装之Visual Studio 2015版本+CUDA8.0+Cudnn8.0+OpenCV 3.1.0版本完美搭配安装图文教程之详细攻略 目录 1、VS2015的安装 2、cuda和cudnn的安装 3、OpenCV 3.1.0的安装 4、VS2015上添加各种依赖图文教程 5、小试牛刀:在Visual Studio 2015上进行测试OpenCV 1、VS2015的安装 为什么要安装?因为导入Tensorfllow的时候需要。 相

头部AI社区如有邀博主AI主题演讲请私信—心比天高,仗剑走天涯,保持热爱,奔赴向梦想!低调,专注,谦虚,自律,反思,成长,还算比较正能量的博主,公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然,有点小情怀,也有点使命感呀 8684

【DL】Windiws10系统下安装CUDA和CUDNN实践教程

Windiws10系统下安装CUDA和CUDNN实践教程(手把手系列,不错过任何一个环节)

学无止境、积少成多、厚积薄发 717

cuDNN和CUDA的安装

2、进入英伟达官网(驱动程序->开发者->CUDA->Downloads->Download Centers->CUDA Toolkit->Download now->Archive of Previous CUDA Releases->找到对应的CUDA版本11.2.2)安装CUDA,(可以创建一个临时文件夹用于放置解压后的文件,临时文件在CUDA安装完成后会被自动删除)修改路径后。3、下载cuDNN(进入英伟达驱动程序页面->开发者->开发者专区->Platfoma->cuDNN)

m0_66420727的博客 7352

MOOS-ivp实战:从零搭建水下机器人通信系统(Ubuntu 22.04版)

本文详细介绍了在Ubuntu 22.04系统上从零开始搭建MOOS-ivp水下机器人通信系统的完整实战流程。内容涵盖环境准备、核心安装、MOOSDB通信模型解析、自定义应用节点开发、以及调试监控工具链的使用,旨在帮助开发者快速掌握这一分布式机器人系统框架,构建稳定可靠的水下机器人通信与控制系统。

snow3的博客 636

Ubuntu22.04安装深度学习的GPU环境详细教程(小白图文,显卡驱动、CUDA、cuDNN、PyTorch一步到位)

本博客详细介绍了如何在 Ubuntu 22.04 系统上安装和配置深度学习环境,包括 NVIDIA 驱动、CUDA Toolkit、cuDNN、Miniconda 及 PyTorch 等关键组件。从安装前的注意事项开始,逐步讲解了如何切换国内软件源以提升下载速度,接着讲述了系统更新和基本依赖项的安装。随后,重点介绍了 NVIDIA 驱动 的自动与手动安装方法,并通过详细的步骤指导读者完成 CUDA Toolkit 和 cuDNN 的下载、安装及验证。最后,通过 Miniconda 创建 Pytorch测试。

思绪无限的博客 3万+

卡方检验的隐藏逻辑:为什么正态分布的平方和如此重要?

本文深入探讨了卡方检验的核心逻辑,揭示了正态分布平方和在统计检验中的重要性。通过分析卡方分布与伽马分布的关系,以及实际应用案例,帮助读者理解卡方检验的原理、局限及高级应用场景,为数据分析提供有力工具。

3a9bq4r8t2y的博客 209

Crossbar RRAM技术解析:从1TnR架构到存储革命

非易失性存储器(NVM)是数据存储的核心技术,其原理基于物理状态的稳定改变以实现数据持久化。阻变存储器(RRAM)作为一种新兴NVM,利用导电细丝在介质层中的形成与断裂实现数据存储,具有高速、低功耗和结构简单的优势。在工程实践中,RRAM面临潜行路径电流等挑战,而Crossbar提出的1TnR架构通过引入共享晶体管有效解决了这一问题,在保证性能的同时提升了集成密度。该技术与CMOS工艺兼容,支持后端集成与多层堆叠,为高密度存储和嵌入式应用提供了新的解决方案。结合当前行业对高能效、高密度存储的需求,RRAM在

weixin_42523104的博客 324

【Win10环境】深度学习之CUDA与CUDNN详细安装教程

引言 深度神经网络是一种目前被广泛使用的工具,可以用于图像识别、分类,物体检测,机器翻译等等。深度学习(DeepLearning)是一种学习神经网络各种参数的方法。因此,我们将要介绍的深度学习,指的是构建神经网络结构,并且运用各种深度学习算法训练网络参数,进而解决各种任务。本文从PyTorch环境配置开始。PyTorch是一种Python接口的深度学习框架,使用灵活,学习方便。还有其他主流的深度...

Andone_hsx的博客 4084

ROS2与Gazebo协同实现多机器人避障仿真

本文详细介绍了如何利用ROS2与Gazebo协同搭建多机器人避障仿真环境。通过创建SDF机器人模型、编写多机器人启动文件以及集成基础避障算法,构建了一个低成本、高效率的虚拟测试平台,为AGV编队、机器人集群等项目的算法验证与迭代提供了完整解决方案。

weixin_29065659的博客 299

深度学习-第一章-Window下CUDA和CUDNN安装教程

windows11 版本安装 CUDA ,首先需要下载两个安装包CUDA:Installation Guide Windows :: CUDA Toolkit DocumentationcuDNN:Installation Guide :: NVIDIA Deep Learning cuDNN Documentation查看支持CUDA的GPU显卡型号:https://developer.nvidia.com/cuda-gpusCUDA的版本选择需要根据电脑GPU的型号来决定,比如是nvidia卡 在电脑桌

Blueeyedboy521的博客 2325

揭秘cocos-mcp:如何用AI助手提升CocosCreator游戏开发效率

本文深入介绍了cocos-mcp工具,它作为连接AI助手与CocosCreator编辑器的桥梁,遵循MCP协议,能显著提升游戏开发效率。通过自然语言指令,开发者可让AI直接查询场景结构、批量修改属性或生成上下文代码,将重复操作变为智能调度,实现从“手动操作者”到“指令指挥官”的工作流变革。

weixin_29001683的博客 1053

Spring AI Alibaba 项目源码学习(九)-其他继承BaseAgent

本文分析了Spring AI Alibaba Agent Framework中的A2aRemoteAgent实现,主要特点包括: 实现了Agent间的远程调用能力,支持分布式部署 核心组件包括AgentCard封装元数据、A2aNodeActionWithConfig处理调用逻辑、AgentCardProvider提供卡片管理 支持流式调用和状态共享机制 采用Builder模式构建Agent实例 通过指令传递实现Agent间通信 关键流程包括状态提取、请求构建、远程调用和状态更新四个步骤,形成Agent

820

深度学习之CUDA+CUDNN软件安装教程!

深度学习之CUDA+CUDNN软件安装教程!

weixin_74009895的博客 6617

Codex 实战 Skills:自动采集一天之内的 Git 提交,一键排版成精美工作日报并发送邮件

特性手动撰写脚本辅助(仅聚合)AI 增强自动化(本文方案)时间成本高(30-60分钟/天)中(5-10分钟/天)低(<1分钟/天)内容质量依赖个人总结能力原始数据堆砌,缺乏提炼专业、结构化、有业务视角信息完整性易遗漏完整,但难以阅读完整,且经过分类筛选维护成本无低中(需维护 Skill 配置)可扩展性低中高(可轻松添加周报、月报)适用场景所有开发者初级开发者追求效率的高级开发者本文详细介绍了一种基于 Codex Agent Skills 的自动日报生成方案。

yueyeguzhuo的专栏 105

【深度学习】Windows下CUDA+CUDNN安装教程

目录1 前提要求2 查询需要安装的版本3 下载并安装CUDA3.1 下载3.2 安装4 下载并安装cuDNN4.1 下载4. 2安装5 配置环境并验证CUDA安装6 报错解决 1 前提要求 (1)在安装CUDA之前,必须已将安装好了VS (2)电脑必须要有 NVIDIA 独立显卡 2 查询需要安装的版本 本文提供三种方法: 第一种:以Windows10为例,在桌面上右键选择NVIDIA控制面板 第二种:点击Windows10自带的搜索,输入NVIDIA,按照下面操作就可以 用上面任意一种方法打开显卡控制

qq_43627106的博客 3394

十九、帧间预测编码_5、skip模式和direct模式

帧间预测的几种特殊模式: P_Skip: 即COPY模式,在该模式下无运动矢量残差,无像素预测残差。重建时以MVP作为实际运动矢量,以预测像素块作为重建; B_Skip:同P_Skip类似的是该模式下同样无运动矢量残差,无像素预测残差。重建时,以Direct模式获取双向MV,以预测像素块作为重建; B_Direct:B_Direct模式分为B_Direct_8x8和B_Direct_16x16,分别表示整个宏块和一个子块按照B_Direct模式编码。该模式下,无运动矢量残差,有像素预测残差。重建时,以D.

叮咚的博客 2400

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Ubuntu 20.04 显卡驱动、CUDA 及 cuDNN 安装与卸载教程:助你轻松搭建深度学习环境

Ubuntu 20.04 显卡驱动、CUDA 及 cuDNN 安装与卸载教程:助你轻松搭建深度学习环境 【下载地址】Ubuntu20.04显卡驱动CUDA及cuDNN安装与卸载教程 Ubuntu 20.04 显卡驱动、CUDA 及 cuDNN 安装与卸载教程本仓库提供了一份详细的教程文档,帮助你在 Ubuntu 20.0...

gitblog_06670的博客 812

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

深度学习环境配置:Ubuntu安装CUDA9.0+cuDNN7.0完整安装教程

前面基本是参考这篇文章的。 深度学习环境配置:Ubuntu16.04安装GTX1080Ti+CUDA9.0+cuDNN7.0完整安装教程(多链接多参考文章) 其中遇到了几个问题把他一一记录下: 1. Ubuntu18.04安装CUDA9.0时,Error: unsupported compiler: 7.3.0的解决方案 在Ubuntu18.04中安装CUDA 9.0时,会遇到Error: uns...

chuansailang4709的博客 378

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

深度学习实用工具——CUDA,CUDNN以及GPU版pytorch下载及安装教程

本文介绍了cuda,cudnn以及gpu版本的pytorch下载及安装过程。

weixin_47849087的博客 1万+
上一篇: 使用Python进行串口通信软件开发(2)——入门实例
下一篇: 解决Qt6连接MySQL的驱动问题
sokedev
博客等级 码龄8年 105粉丝 14原创
评论 9
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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

sokedev

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