【保姆级教程】Windows安装CUDA及cuDNN

本文将为大家提供一个详细的保姆级教程，教你如何在Windows操作系统上安装CUDA和cuDNN，以便于使用NVIDIA的GPU进行深度学习和其他计算密集型任务。下面我们将一步步进行讲解。

第一步：检查系统要求

在安装CUDA和cuDNN之前，请确认你的计算机满足以下条件：

1. 硬件：一台支持CUDA的NVIDIA显卡。
2. 操作系统：Windows 10或更高版本。
3. 驱动程序：必须安装支持CUDA的NVIDIA显卡驱动程序。

你可以在NVIDIA的官方网站上下载最新驱动并进行安装。安装过程中请遵循提示完成。

第二步：下载CUDA Toolkit

1. 访问NVIDIA CUDA Toolkit官网。
2. 在页面中选择你的操作系统（Windows），然后选择合适的版本（例如CUDA 11.x）。
3. 下载并运行安装程序，选择“自定义”安装时，建议勾选“CUDA Samples”以便后续测试。

安装步骤一般包括： - 接受协议 - 选择安装位置 - 选择组件（基于开发需要）

安装完成后，点击“完成”。

第三步：配置环境变量

安装完CUDA后，需要配置系统的环境变量，以便在命令行中使用CUDA。

1. 在“控制面板”中，选择“系统和安全”，然后点击“系统”。
2. 选择“高级系统设置”，在“系统属性”窗口中点击“环境变量”。
3. 在“系统变量”区域找到“Path”，选择后点击“编辑”。
4. 在编辑窗口中，添加以下路径：
5. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\bin（替换X.X为你安装的CUDA版本，例如v11.4）
6. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\libnvvp
7. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\include

添加完成后，点击“确定”保存设置。

第四步：下载cuDNN

1. 访问NVIDIA cuDNN官网。
2. 注册并登录NVIDIA开发者账号。
3. 下载与你的CUDA版本匹配的cuDNN版本（通常为ZIP文件）。
4. 解压下载的ZIP文件，通常包含三个文件夹：bin, include, lib。

第五步：安装cuDNN

1. 将解压后的bin、include、lib三个文件夹内的所有文件分别复制到以下路径：
2. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\bin
3. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\include
4. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\lib\x64

第六步：验证安装

1. 打开一个新的命令提示符窗口，输入以下命令查看CUDA版本： bash nvcc --version 如果安装成功，你应该能够看到CUDA的版本信息。

2. 运行CUDA Samples（如果你在安装时选择了Samples）：

3. 导航到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\samples\1_Utilities\deviceQuery。

4. 打开命令提示符并执行： bash mkdir build cd build cmake .. cmake --build . .\deviceQuery 如果显示你的GPU信息，则说明CUDA安装成功。

5. 如果需要验证cuDNN是否成功安装，可以参考以下简单Python代码（需要安装TensorFlow或PyTorch）： python import tensorflow as tf print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))

通过以上步骤，你应该已经成功在Windows上安装了CUDA和cuDNN。接下来，你可以开始使用深度学习框架（如TensorFlow或PyTorch）进行开发和训练模型。希望这个教程对你有所帮助！