Window11的CUDA 和CUDNN的安装

因论文复现需求，配置深度学习环境，记录安装Cuda、Cudnn以及同时安装多版本Cuda过程（已安装Anaconda和pycharm）因在安装过程中许多照片未存储且记录不完整，仅供参考，不足以作为安装教程。cudnn的下载，要与cuda版本相对应，这里我是下载的12.1版本的cuda，因此cudnn也是与cuda版本对应。2、下载完成后，将解压后的bin、include、lib文件粘贴到CUDA Development这个路径中。## 1、检查电脑可安装最高的cuda版本。## 3、下载完成后进行安装。

Win11安装CUDA教程

Win11 cuda,cudnn,pytorch环境安装

win11+cuda

本文仅介绍Windows11系统下安装CUDA、cuDNN、pytorch（GPU）的详细教程，使用的是Anaconda+Pycharm的配置。关于这两个软件的下载安装，本文不做赘述，如有疑问，请大家自行搜索。

CUDA+cudnn安装 详细教学无废话

虽然 CUDA 包含了一些基本的矩阵运算和线性代数函数，但它不直接包含深度神经网络相关的算法和优化。因此，为了使用 CUDA 进行深度学习任务，您需要安装一个额外的库，例如 cuDNN。因此，通过与 CUDA 结合使用，cuDNN 可以大幅提高深度学习应用的性能和效率。（CUDA Deep Neural Network Library）是 NVIDIA 提供的一个可选的库，用于优化深度神经网络的训练和推理性能。：这里我用 11.4版本为例，流程上是一样的，就是版本号不一样仅此而已。一般这里安装完毕后，会。

‌cuDNN（CUDA Deep Neural Network library）是一个由NVIDIA开发的深度学习GPU加速库，旨在为深度学习任务提供高效、标准化的原语（基本操作）来加速深度学习框架在NVIDIA GPU上的运算。此外，PyTorch还具有高度的灵活性和可扩展性，支持多种硬件平台，并且有一个活跃的社区，提供了大量的教程和资源，使得用户可以快速上手并解决实际问题。PyTorch的核心特点包括：‌12。可以看到NVIDIA GPU驱动版本为546.56，支持的CUDA最高版本为12.3。

在windows11环境下安装CUDA11.6+Anaconda3+pyToach1.13搭建炼丹炉 目前2023.03出来的pyToach2.0是用不到了，因为最低版本支持CUDA11.7。我的显卡是1650，驱动达不到CUDA11.7的要求，因此安装不了11.7。

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。

【代码】以windows11 为例安装conda,配置cuda和pytorch环境。

cuda+cudnn的安装配置(pytorch+GPU环境安装)

这里也不需要换路径，因为这只是个暂存的地方，并不是安装路径，安装好后这个会自动卸载，不占用C盘，也无需担心。登录注册好之后，选择版本进行下载，由于我的cuda的版本是11.3，所以我选择了这个版本。然后粘贴到安装的cuda的路径下的v11.3里面的lib文件夹里面的x64文件夹里面。然后粘贴到安装的cuda的路径下的v11.3里面的include文件夹里面。我是直接进入了DOS中进行检查的，也可以进Anaconda中进行检查。然后粘贴到安装的cuda的路径下的v11.3里面的bin文件夹里面。

下载CUDA下载地址下载CUDNN下载地址安装CUDA和cuDNN安装CUDA配置环境变量配置SDK验证deviceQuery和bandwidthTest测试一下输入set cuda可以查看CUDA安装路径安装cuDNN，cuDNN 其实就是 CUDA 的一个补丁而已卸载CUDA安装CUDA失败的情况nsight visual studio edition失败VS2019+CUDA11.1新建项目里没有CUDA选项...............

所以在安装新版本的 CUDA 时，一定不能高于该版本，我需要的新环境的 CUDA 版本为 9.0，低于 12.2，可以安装。更改 CUDA 安装时缓存位置（默认为 C盘，不更改也可以，但得与原先安装的 CUDA 的安装缓存位置不同，或者该位置为空）安装完新版本的 CUDA 后，此时运行的环境为新版本的 CUDA，当我们需要切换为其他版本时，仅需要对环境变量进行修改即可。至此， 新版本的 CUDA 与 cudnn 安装成功，可以使用该版本的 CUDA 进行 GPU 加速了。

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