目录

• CUDA是什么
• 1.确认适合自己的版本
• 2. 安装 CUDA Toolkit 10.1
• 3.下载并安装与 CUDA 10.1 版本兼容的 cuDNN
• 4. pip 安装 pytorch
• 5. 测试能否可用

CUDA是什么

可以利用CUDA和GPU的并行处理能力来加速深度学习和其他计算密集型应用程序。CUDA是Nvidia开发的一种并行计算平台和编程模型，用于在其自己的GPU（图形处理单元）上进行常规计算。 CUDA使开发人员能够利用GPU的能力来实现计算的可并行化部分，从而加快计算密集型应用程序的速度。

1.确认适合自己的版本

安装 CUDA Toolkit （工具包）之前，注意不是按照的CUDA的版本越高越好，需要考虑安装的开发工具是否和自己的CUDA驱动版本兼容，如果基于 Python 开发，则需根据所采用的深度学习框架（如 Pytorch、TensorFlow）支持的 CUDA 版本，选择可支持的最新版本安装。

1. 首先查看自己本机的CUDA驱动版本：
点开桌面，右键，选择里边的 "NVIDIA 控制面板"。打开后，单击 左下角的 "系统信息" 。如下图所示：

然后查看文档 NVIDIA CUDA Toolkit Release Notes
根据文档的版本，确定否与当前最新的 CUDA Toolkit 版本兼容


例如，本台电脑511.79，因为是之前更新过的，再这之前我是418.96那个，然后根据上边的表格，选择的应该是 CUDA Toolkit 10.1 这个
点击下载：

; 2. 安装 CUDA Toolkit 10.1

下载好后，双击运行，可更改路径，点击ok，就开始安装了：

进度条完成后：

等待系统兼容性检测：

同意协议后，选择自定义


单击 "下一步(N)" 进行安装。
如下图所示，我们只需选择CUDA下面这4项就够了（默认是全选的。。。），visual studio integration这一项没有勾选是因为我并没有使用VS环境。这一步之后，会询问这些组件的安装路径，可以直接使用C盘的默认位置，当然我自定义了一下（请记住这些安装路径，后面配置环境变量需要用到）。

默认安装目录为 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0，示例程序安装目录为 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0。安装完成后，在命令行窗口（cmd）中，输入 nvcc -V 命令进行测试

3.下载并安装与 CUDA 10.1 版本兼容的 cuDNN

cuDNN 的全称为 NVIDIA CUDA® Deep Neural Network library，是 NVIDIA 专门针对深度神经网络（Deep Neural Networks）中的基础操作而设计的基于 GPU 的加速库。下载 cuDNN 需要注册，官网下载地址为] https://developer.nvidia.com/cudnn 。本人下载的 cuDNN 版本为

【PS：好像记得这个下载 前要注册、填问卷、加入开发者计划什么的】

同意，选择查看之前的版本，

选择正常的版本的进行下载：

下载好后，解压文件：如下：

然后，将所有内容复制到 cuda 10.1 安装目录，即可完成 cuDNN 的安装，如下图所示

; 4. pip 安装 pytorch

pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

PyTorch先前版本部分截图如下：

cmd 输入命令：

; 5. 测试能否可用

import torch
print(torch.cuda.is_available())

Original: https://blog.csdn.net/weixin_43798572/article/details/123122477
Author: 九重！
Title: Win10 下安装 CUDA Toolkit