Cuda和cuDNN安装教程(超级详细)

CUDA下载安装教程,新手详细 新手入门,详细安装教程 阅读详情
AI摘要

本文详细介绍了Windows10环境下Cuda和cuDNN的下载与安装方法。包括Cuda的下载地址、其他版本下载方式,cuDNN账号注册及对应版本下载,还说明了CUDA10和cuDNN的安装步骤,如设置安装路径、复制文件、添加环境变量等,最后提到检查cuDNN安装成功的参考博客。

本文介绍:

接下来我为大家带来超级详细的Windows10环境下cuda和cuDNN下载和安装方法:

1 . CUDA的下载

1.1下载地址:

https://developer.nvidia.com/cuda-downloads
当你点进这个链接的时候,从1看到是cuda11.2版本,
在这里插入图片描述

1.2 下载其他版本:

如果想下载cuda的其他版本可以点击2.
在这里插入图片描述

1.3 下载

如下按照红框所选进行下载cuda10.1版本:
在这里插入图片描述

2. cuDNN下载:

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

2.1 注册cuDNN账号

2.1.1 点击下载地址进入如下界面,如果没有账号,需要注册一个账号在进行下载。

在这里插入图片描述

2.1.2 注册完成以后进入如下界面,选择相应的cuda版本下载cuDNN版本

在这里插入图片描述

3. 安装CUDA10:

找到下载好的cuda的安装包,双击打开,设置好要安装的路径,如下所示:
在这里插入图片描述
点击OK等待安装:
在这里插入图片描述
在这里插入图片描述
勾选自定义,点击下一步:
在这里插入图片描述
第一次安装记得给如下红框都勾选上
在这里插入图片描述
记住cuda的安装路径,点击下一步:

cuda的安装路径如下:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

在这里插入图片描述

在这里插入图片描述
点击下一步
在这里插入图片描述
出现如下界面,代表cuda安装完成。
在这里插入图片描述
检查环境是否含有环境变量,桌面上找到我的电脑,右键点击属性,如下:
在这里插入图片描述
点击高级系统设置,如下:
图片替换文本

点击环境变量
图片替换文本
找到系统变量,出现,如下环境变量:

图片本

现在需要重启电脑,然后Win+R进入cmd界面,输入nvcc -V,出现如下界面,代码cuda已经安装成功了。
注:必须要重启电脑,否则运行nvcc -V 会找不到命令。
在这里插入图片描述

4. 安装cuDNN:

对下载的cuDNN压缩包解压后出现如下三个文件夹子,在这里插入图片描述

然后找到cuda的安装路径,我的安装路径如下:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

分别将cuDNN三个文件夹的内容分别复制到cuda对应的文件夹里面。如下所示:
在这里插入图片描述
为cuDNN添加环境变量:
找到环境变量-系统变量-path,分别将如下三个变量添加进去,完成安装。
在这里插入图片描述

5.检查cuDNN是否安装成功:

可以参考我的下一篇博客查看cuDNN是否安装成功。
博客地址:https://blog.csdn.net/jhsignal/article/details/111398427

CUDA安装及环境配置——2025 如果出现上面这个图片的状况那么就是电脑visual studio版本太低了,点击蓝色字体链接去下载安装vs,vs安装过程基本上一直下一步就可以了,安装好就正常了。这里要注意操作系统和版本的选择,我是Windows10,最后一个下载方式最好选local,在线下载比较麻烦。进入以下页面选择合适的版本后,点击CUDA Toolkit 1*.**.*后面那个是说明不要点!如果你下载的cuda是12.xx版本,那么你在上面点击cudnn 9的任意版本都行。由此便可开始属于你的深度学习之路,祝大家前程似锦,不负韶华。 阅读详情

相关推荐

超详细 CUDA 安装与卸载过程(图文教程)

通过查看,电脑的显卡配置为NVIDIA,Cuda最高版本是12.0,因此Cuda需要安装12.0或12.0以下版本。查看显卡是否是英伟达,如果是英伟达,则可以进行安装Cuda,否则不能安装Cuda。查看显卡大小,可以通过任务管理器查看,到性能中找gpu,发现显卡大小是8G。在dos创建输入命令:nvidia-smi。win+r 进入命令行,输入cmd。

qq_41946216的博客 3万+

CUDN和CUDNN安装

前言 刚开始学习深度学习,CUDN和CUDNN是必不可少的工具。前前后后装了很多次,总算积累了一些经验。 1、CUDN和CUDNN版本的选择 因为我的电脑是15年寒假的买的电脑,显卡是英伟达的950,属于比较老款,在刚开始装的时候担心自己显卡版本不行,然而纯属我过度担心了。 首先打开英伟达的控制面板,右上角–帮助–选择系统信息。选择–组件–,就可以看到自己电脑驱动支持的CUDA信息。我的是11.4。其实这个是和你电脑显卡驱动有关的。你用英伟达的Geforce Experience 把驱动更新一下,你的也会是

llllwwsasa12345的博客 3035

【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

Jin1Yang的博客 8万+

CUDA安装教程(超详细)

windows10 版本安装 CUDA ,首先需要下载两个安装包CUDA toolkit(toolkit就是指工具包)cuDNN注:cuDNN 是用于配置深度学习使用官方教程。

GitHub质检员 4万+

Windows10系统下CUDA和cuDNN安装教程

安装之前,先简单了解一下CUDA和cuDNN: CUDA (ComputeUnified 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。 NVIDIA cuDNN是用于深度神经网络的GPU加速库。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

Angeldream123的博客 2万+

(Win11)CUDA、CUDNN安装教程

深度学习环境的配置需要提前安装CUDA,本文提供CUDA的安装步骤,比较细致,希望可以帮助到大家

weixin_64064486的博客 1万+

【CUDA安装详细教程】

windows10 版本安装 CUDA ,需要下载两个安装包CUDA toolkit(toolkit就是指工具包)和cuDNN,cuDNN 是用于配置深度学习使用官方教程。

weixin_44189155的博客 5万+

CUDA和cuDNN的安装

1.同时点击win+r,输入cmd点击“确定”,进入终端窗口,输入nvidia-smi(注意无空格)查看CUDA版本​。

m0_62907835的博客 2万+

CUDA和cudnn安装教程(纯干货!!超级详细!!手把手安装!!)

CUDA和cudnn安装教程(超级详细!!手把手安装!!)

weixin_45325693的博客 901

(论文速读)PTV3: 更简单、更快速、更强大的3D点云处理新突破

该论文提出PointTransformerV3(PTv3),通过简化设计实现3D点云处理的效率突破。该研究摒弃复杂注意力机制,转而采用点云序列化和补丁注意力等高效方法,将感受野从16点扩展到1024点,在保持高精度的同时实现3倍速度提升和10倍内存优化。PTv3在超过20个室内外场景任务中取得SOTA结果,ScanNet语义分割达79.4%mIoU,Waymo检测提升3.3%APH。核心创新包括四种空间填充曲线序列化模式和xCPE位置编码,为3D感知的工业应用提供了高效解决方案。

LJ1147517021的博客 1381

kubernetes rook 安装 cephfs

ceph root kubernete osd uuid partuuid

天津托的博客 1544

CUDA与CUDNN在Windows下的安装与配置(超级详细版)

CUDA以及CUDNN的下载、安装、配置与卸载详细介绍

YYDS_WV的博客 11万+

qt使用qxlsx实现xlsx、xls表格文件快速写入和读取

新年第二篇文章,收尾一个去年计划中发表文章和实现功能。

kbq的博客 1万+

CUDA和cudnn的安装

CUDA和cudnn的安装一、CUDA的安装1.1 查看显卡驱动版本。1.2 下载CUDA1.3 安装CUDA1.4 设置环境变量1.5测试CUDA是否装好二、cudnn的安装 在安装CUDA之前,需要查看自己电脑的GPU驱动的版本,因为CUDA版本对GPU驱动版本有要求,对应关系如下: 一、CUDA的安装 1.1 查看显卡驱动版本。 鼠标在桌面空白处点击右键,然后选择“NVIDIA控制面板”,进去之后就能看到自己电脑GPU的版本,如下图: 然后对照上面的表格,看是否满足需要装的CUDA版本对驱动的要求

qq_40927867的博客 3万+

本地通知与健康数据的隐私保护方案

随着移动健康(mHealth)应用的普及,本地通知与健康数据的结合为用户提供了更加个性化的健康管理体验。然而,这种便利性也带来了严峻的隐私保护挑战。本文旨在探讨如何在移动应用中实现本地通知功能的同时,确保用户健康数据的隐私安全。本地通知与健康数据结合的技术架构隐私保护的核心技术方案具体算法实现与数学模型实际应用案例分析本文首先介绍背景知识和核心概念,然后深入探讨隐私保护的技术方案,包括算法原理和数学模型。接着提供实际代码实现和应用场景分析,最后讨论未来发展趋势和挑战。

移动开发前沿的博客 1310

Laser-Marking 激光振镜打标机的开源代码 - 下载 - 搜珍网

为了方便开发者的使用和定制化需求,我们在这里提供激光振镜打标机的开源代码,并附带详细的描述。首先,让我们来了解一下激光振镜打标机的基本原理。振镜系统由两个可移动的反射镜组成,可以控制激光束在水平和垂直方向上的偏转角度,从而实现对工件的精确控制。通过这段开源代码,开发者可以根据自己的需求对激光振镜打标机进行二次开发和定制化。你可以修改振镜角度、打标速度等参数,也可以添加其他功能,例如自动识别和追踪等。首先,我们创建了一个串口对象,用于与激光振镜打标机进行通信。函数实现了对用户输入文本的打标操作。

TechProX的博客 1279

(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+

【LLC快速上手系列】LLC轻载时,死区时间怎么调才对?别再傻傻乱搞了!

死区时间,就是指。如果你死区设得好,就能让开通前 ( V_DS to 0 ),完美实现!

weixin_43199439的博客 1860

CUDA和CUDNN的安装教程

CUDA(Compute Unified Device Architecture)是由显卡厂商NVIDIA推出的运算平台,它是一种通用并行计算架构,使GPU能够解决复杂的计算问题。2,CUDNN(CUDA Deep Neural Network library)是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销,可以集成到更高级别的机器学习框架中。总的来说,CUDA和CUDNN都是为了更有效地进行深度学习计算而设计和开发的。二,官方教程先放到下面。

weixin_72965172的博客 4067

RT-DETR模型应用过程中的报错处理及疑问解答,涉及环境搭建、模型训练、模块改进、论文写作

本文记录了RT-DETR模型的这一系列过程中可能发生的问题,以及大家非常关心的问题,这里统一做了一个记录和解答。

Limiiiing的博客 1770

Python电梯II

输入数据有若干组(最多不超过1000组),每组数据的第一行为四个如题目中所示的整数N,u,d,s,由空格分隔开。第二行为不同楼层需要上下楼的请求, 最多不超过1000个。每个请求的格式为"from-to",其中"from"和"to"为所在楼层和要到达的楼层,保证from!=to。

沐风—云端行者 913

Windows10系统CUDA和CUDNN安装教程

Windows10系统下安装CUDA和CUDNN保姆级教程

yang4123的博客 1万+

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Linux安装cuda和cudnn教程

Linux离线安装cuda、cudnn、cudatoolkit

QT-Smile 1万+

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

深度学习之CUDA+CUDNN详细安装教程

本篇博文主要涉及深度学习中CUDA和CUDNN的详细安装教程,希望能帮助到各位小伙伴~

DreamerZC的博客 4934

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

win10 Anaconda 配置CUDA、CUDNN、pytorch详细安装教程

安装anaconda2020.02 安装CUDA Anaconda我之前已经安装好了,没有再重复安装,这里找一篇其他网友的博客,安装anaconda,其实百度一下如何安装Anaconda还是有很多的,都比较容易搞定。 安装CUDA,首先去pytorch官网查看一下自己需要安装的CUDA版本pytorch官网,这里安装最新的CUDA版本,如下图: 然后去英伟达官网下载CUDA11.0英伟达官网CUDA11.0下载, 双击软件之后: 下一步: 安装位置默认: 等待安装完成。直接下一步 : 重新启动计算机,

m0_52571323的博客 1万+

正确安装GPU显卡驱动、CUDA、cuDNN的详细教程

CUDA(Compute Unified Device Architecture)是 NVIDIA 推出的通用并行计算平台和编程模型。它不仅使开发者能够利用 GPU 的庞大并行计算能力来加速各类计算密集型任务,还提供了一整套软件工具和库,帮助开发者从底层驱动到高级编程接口实现高性能应用。CUDA 编程模型采用“主机(Host)-设备(Device)”架构,将计算任务分配到 GPU 内数以千计的核心上并行执行,显著缩短处理时间。

yuanmomoya的博客 8730
上一篇: Windows10检查Cuda和cuDNN是否安装成功?
下一篇: Pytorch模型加载保存
jhsignal
博客等级 码龄7年 112粉丝 60原创
评论 33
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
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