# 安装 CUDA
B站视频教程参考: https://www.bilibili.com/video/BV1ng411M7qV
## 安装Nvidia显卡驱动
安装Nvidia显卡驱动前可以先检查Nvidia显卡驱动是否已安装。搜索 Nvidia控制面板 或 Nvidia Control Panel可以看到当前已经安装的显卡驱动及版本
![image-20220419160201111](README.assets/image-20220419160201111.png)
如需安装显卡驱动,在官方驱动下载网站找到自己的显卡型号对应的驱动下载并安装: https://www.nvidia.cn/Download/index.aspx?lang=cn
![image-20220419160425015](README.assets/image-20220419160425015.png)
## 安装Tookit和CuDNN
### 前言
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(cuDNN 是用于配置深度学习使用)
官方教程
CUDA:https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html
cuDNN:https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows
### 安装工具的准备
#### CUDA toolkit下载
CUDA toolkit下载地址: https://developer.nvidia.com/cuda-toolkit-archive
- 官网安装: https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64
- 官网说明文档: https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
GA = General Availability,通用版本,指软件的通用版本。
RC=Release Candidate,含义 是"发布候选版",它不是最终的版本,而是最终版(RTM=Release To Manufacture)之前的最后一个版本
CUDA的版本是跟显卡型号有关还是驱动有关?
一般是驱动版本决定了能用的CUDA版本的上限,比如新版的显卡驱动可以支持老的CUDA runtime。但是老的显卡可能无法更新到最新的显卡驱动,比如Fermi显卡只能装到391驱动,因此只能用到CUDA9.1。除此之外,显卡硬件与CUDA compute capability相关,当然编译时也可以指定streaming multiprocessor。新的架构支持更多特性就是了。
| CUDA Toolkit | Linux x86_64 Driver Version | Windows x86_64 Driver Version |
| ------------------------------------------------- | --------------------------- | ----------------------------- |
| CUDA 11.6 Update 2 | >=510.47.03 | >=511.65 |
| CUDA 11.6 Update 1 | >=510.47.03 | >=511.65 |
| CUDA 11.6 GA | >=510.39.01 | >=511.23 |
| CUDA 11.5 Update 2 | >=495.29.05 | >=496.13 |
| CUDA 11.5 Update 1 | >=495.29.05 | >=496.13 |
| CUDA 11.5 GA | >=495.29.05 | >=496.04 |
| CUDA 11.4 Update 4 | >=470.82.01 | >=472.50 |
| CUDA 11.4 Update 3 | >=470.82.01 | >=472.50 |
| CUDA 11.4 Update 2 | >=470.57.02 | >=471.41 |
| CUDA 11.4 Update 1 | >=470.57.02 | >=471.41 |
| CUDA 11.4.0 GA | >=470.42.01 | >=471.11 |
| CUDA 11.3.1 Update 1 | >=465.19.01 | >=465.89 |
| CUDA 11.3.0 GA | >=465.19.01 | >=465.89 |
| CUDA 11.2.2 Update 2 | >=460.32.03 | >=461.33 |
| CUDA 11.2.1 Update 1 | >=460.32.03 | >=461.09 |
| CUDA 11.2.0 GA | >=460.27.03 | >=460.82 |
| CUDA 11.1.1 Update 1 | >=455.32 | >=456.81 |
| CUDA 11.1 GA | >=455.23 | >=456.38 |
| CUDA 11.0.3 Update 1 | >= 450.51.06 | >= 451.82 |
| CUDA 11.0.2 GA | >= 450.51.05 | >= 451.48 |
| CUDA 11.0.1 RC | >= 450.36.06 | >= 451.22 |
| CUDA 10.2.89 | >= 440.33 | >= 441.22 |
| CUDA 10.1 (10.1.105 general release, and updates) | >= 418.39 | >= 418.96 |
| CUDA 10.0.130 | >= 410.48 | >= 411.31 |
| CUDA 9.2 (9.2.148 Update 1) | >= 396.37 | >= 398.26 |
| CUDA 9.2 (9.2.88) | >= 396.26 | >= 397.44 |
| CUDA 9.1 (9.1.85) | >= 390.46 | >= 391.29 |
| CUDA 9.0 (9.0.76) | >= 384.81 | >= 385.54 |
| CUDA 8.0 (8.0.61 GA2) | >= 375.26 | >= 376.51 |
| CUDA 8.0 (8.0.44) | >= 367.48 | >= 369.30 |
| CUDA 7.5 (7.5.16) | >= 352.31 | >= 353.66 |
| CUDA 7.0 (7.0.28) | >= 346.46 | >= 347.62 |
由于PyTorch最大只支持CUDA11.3,因此使用 CUDA 11.3.1 Update 1 版本
![image-20220419193216414](README.assets/image-20220419193216414.png)
#### cuDNN下载
cuDNN地址如下,不过要注意的是,我们需要注册一个账号,才可以进入到下载界面。下载地址: https://developer.nvidia.com/rdp/cudnn-download
可以使用下面网址,查看适配的 cuDNN: https://developer.nvidia.com/rdp/cudnn-archive
由于在win10上使用CUDA 11.3,因此使用如下版本:
![image-20220419193446751](README.assets/image-20220419193446751.png)
### CUDA 安装与配置过程
双击“exe文件”,选择下载路径,推荐默认路径,安装后该目录会自动被清理。
![image-20220419193747859](README.assets/image-20220419193747859.png)
安装选项
- 如果你是第一次安装,尽量全选
- 如果你是第n次安装,尽量只选择第一个,不然会出现错误
![image-20220419194006470](README.assets/image-20220419194006470.png)
不要选Visual Studio Integration,即使选了也不能成功安装。
![image-20220419194039936](README.assets/image-20220419194039936.png)
记住安装位置,tensorflow要求配置环境
![image-20220419194054965](README.assets/image-20220419194054965.png)
> 重点提醒:一定要记住这个路径,把这个路径保留下来,后面我们还会用到!!!
安装完成后,查看系统变量中是否添加了路径,如果没有需要自己添加。
![image-20220419194225976](README.assets/image-20220419194225976.png)
测试环境是否安装成功。运行cmd,输入`nvcc --version`即可查看版本号;
set cuda,可以查看 CUDA 设置的环境变量。
```
C:\Users\as>nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Mon_May__3_19:41:42_Pacific_Daylight_Time_2021
Cuda compilation tools, release 11.3, V11.3.109
Build cuda_11.3.r11.3/compiler.29920130_0
C:\Users\as>set cuda
CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
CUDA_PATH_V11_3=C:\P
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
数学和统计学基础:AI领域需要一定的数学基础,包括线性代数、微积分、概率论和统计学。你可以通过在线教育平台、大学课程或自学来学习这些基础知识。 编程语言:掌握一种或多种编程语言是学习AI的关键。Python是一个常用的选择,因为它具有丰富的AI工具和库,如NumPy、Pandas和TensorFlow。此外,还可以学习R、Java或C++等其他编程语言。 机器学习基础:了解机器学习的基本概念和算法是学习AI的重要一步。你可以学习监督学习、无监督学习和强化学习等不同类型的机器学习算法,并学会如何应用它们来解决问题。 深度学习:深度学习是AI领域的一个重要分支,它使用神经网络模型来进行模式识别和数据分析。学习深度学习可以通过掌握深度神经网络、卷积神经网络(CNN)和循环神经网络(RNN)等概念来实现。你可以学习深度学习框架如TensorFlow或PyTorch来实践深度学习算法。 数据处理和特征工程:了解如何处理和清洗数据、特征选择和提取是构建有效AI模型的关键。学习使用数据处理工具和技术,如数据清洗、特征缩放和降维,可以提高模型的性能。 实践项目:通过实践项目来应用你所学的知识。
资源推荐
资源详情
资源评论
收起资源包目录
AI 人工智能学习之路(Python) (1080个子文件)
764050-20180626101958953-188946578.gif 893KB
764050-20180626101922973-719563842.gif 714KB
camshift_face.gif 247KB
meanshift_face.gif 176KB
640-165175905718210.gif 69KB
Image_hough_houghlinesdemo.gif 48KB
blending_equation.gif 871B
alpha.gif 133B
.gitignore 2KB
640-166619512954635.jpeg 110KB
book2.jpeg 92KB
640-166619512954745.jpeg 81KB
640-16517590571826.jpeg 76KB
640-16517590571828.jpeg 67KB
640.jpeg 62KB
640-16534961533286.jpeg 56KB
640-166619512954634.jpeg 48KB
640-166619512954636.jpeg 43KB
640-165174093659215.jpeg 39KB
640-165358158642682.jpeg 38KB
640-166619512954633.jpeg 32KB
640-16534961533288.jpeg 25KB
640-165174084938613.jpeg 23KB
640-166619654548384.jpeg 21KB
640-16534961533287.jpeg 16KB
640-166619188101218.jpeg 12KB
640-166619512954743.jpeg 11KB
640-166619512954740.jpeg 9KB
640-166619512954638.jpeg 8KB
640-166619512954742.jpeg 8KB
640-165358158642676.jpeg 7KB
640-165358158642788.jpeg 7KB
640-166619512954739.jpeg 6KB
640-166619512954637.jpeg 6KB
640-166619512954741.jpeg 6KB
640-165358158642158.jpeg 5KB
640-165358158642055.jpeg 5KB
640-165358158642052.jpeg 5KB
640-165358158642570.jpeg 4KB
640-165358158642569.jpeg 4KB
640-166619512954746.jpeg 4KB
640-165358158642684.jpeg 4KB
640-166619512954744.jpeg 3KB
640-165358158641949.jpeg 3KB
640-165358158642574.jpeg 3KB
640-165358158642791.jpeg 3KB
640-165358158642464.jpeg 2KB
640-165358158642568.jpeg 2KB
640-165358158642575.jpeg 2KB
640-165358158642677.jpeg 2KB
640-165358158642571.jpeg 1KB
640-165358158641947.jpeg 1KB
640-165358158642678.jpeg 1KB
640-165358158642572.jpeg 1KB
640-165358158642679.jpeg 1KB
640-165358158642789.jpeg 1KB
640-165358158642156.jpeg 1KB
640-165358158642567.jpeg 1KB
640-165358158641950.jpeg 1KB
640-165358158641741.jpeg 1KB
640-165358158642790.jpeg 1KB
640-165358158641844.jpeg 1KB
640-165358158642159.jpeg 982B
640-165358158642054.jpeg 893B
640-165358158642051.jpeg 886B
640-165358158641843.jpeg 874B
640-165358158642157.jpeg 865B
640-165358158642053.jpeg 745B
640-165358158642466.jpeg 725B
640-165358158642573.jpeg 653B
640-165358158642460.jpeg 524B
640-165358158641637.jpeg 524B
640-165358158642685.jpeg 521B
640-165358158642462.jpeg 514B
640-165358158642463.jpeg 469B
640-165358158642787.jpeg 468B
640-165358158642786.jpeg 453B
640-165358158641948.jpeg 442B
640-165358158641740.jpeg 317B
640-165358158641533.jpeg 317B
640-165358158641431.jpeg 316B
640-165358158641430.jpeg 315B
640-165358158641739.jpeg 314B
640-165358158641634.jpeg 294B
640-165358158641842.jpeg 285B
640-165358158641432.jpeg 276B
640-165358158641635.jpeg 274B
640-165358158641738.jpeg 268B
640-165358144598323.jpeg 268B
640-165358158641845.jpeg 246B
640-165358158641946.jpeg 235B
20220318234035.jpg 1.42MB
20220318233909.jpg 1.09MB
v2-3ec9e8e5256385f2558cbc0567663f26_r.jpg 936KB
korean_0.jpg 921KB
img_12.jpg 564KB
img_12.jpg 561KB
en_2.jpg 558KB
en_1.jpg 534KB
japan_2.jpg 478KB
共 1080 条
- 1
- 2
- 3
- 4
- 5
- 6
- 11
资源评论
十小大
- 粉丝: 9166
- 资源: 2553
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功