标签：离线 cuDNN cuda GPU gpu 安装 CUDA
查看cuda版本：鼠标右键，NVIDIA控制面板——系统信息——组件查看cuda版本
或者 Win+R ——cmd——输入命令：
nvidia-smi 查看cuda版本
下载cuda11.4：下载cuda_11.4.0_471.11_win10安装程序，可以官网下载，下载比较快，如果你的cuda是其他版本需要下载对应版本，下载到哪个盘都可以
官网网址：https://developer.nvidia.com/cuda-toolkit-archive
安装cuda: 默认安装路径即可，不用更改，记住你的安装路径待会需要这个路径配置环境变量
出现以下界面，安装完成
配置cuda的环境变量：
CUDA_BIN_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\bin CUDA_LIB_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib\Win64 CUDA_SDK_BIN C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\cudasdk\common\bin\Win64
CUDA_SDK_LIB C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\cudasdk\common\common\lib\Win64
标注蓝色的意思是cuda的默认安装路径 安装地址：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4
验证cuda安装是否成功： 重启电脑——Win+R——cmd——输入命令：
nvcc -V 出现以下界面证明安装成功
下载cuDNN: 官网可以查看跟cuda11.4相匹配的cuDNN版本
官网网址：https://developer.nvidia.com/zh-cn/cudnn（打开很慢下载还需要注册，按照步骤注册即可，邮箱登录） 可以先登录再打开下载网址：https://developer.nvidia.com/rdp/cudnn-download 查找cuda对应的cuDNN版本，但是有时候打不开下载界面，建议知道版本后还是去csdn搜一下有没有相应版本的cuDNN安装包
cuDNN v8.2.2 百度网盘链接：https://pan.baidu.com/s/1dPk732KfiYCQlpeA3d1noA
提取码：qwer
安装cuDNN： 下载cuDNN安装包之后解压得到三个文件夹
找到cuda的安装路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4
1.找到这三个跟cuDNN解压后同名的文件夹
2.把cuDNN三个文件夹里面的内容，也就是这些LIB文件分别对应复制到cuda安装路径的三个文件夹中
配置cuDNN环境变量： 设置——高级系统设置——环境变量——系统变量——path——编辑——新建
配置cuDNN环境变量：
需要path添加的环境变量：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\libvvp
验证cuDNN安装成功： 进入到cuda安装路径文件夹——extras——deno_suite文件夹下，找到 deviceQuery.exe 和 bandwidthTest.exe
Win+R——cmd依次输入命令：
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\demo_suitedeviceQuery.exe出现以下界面证明安装成功
继续输入命令：
bandwidthTest.exe 出现以下界面证明安装成功
Anaconda Prompt新建环境名为gpu的虚拟环境：
conda create -n gpu python=3.8激活环境：
conda activate gpupytorch安装： 建议离线安装 pytorch官网：https://pytorch.org/get-started/locally/
查看自己cuda版本的torch、torchvision和torchaudio具体版本，记下来待会下载对应的离线安装包
离线安装包下载网址：https://download.pytorch.org/whl/torch_stable.html 注意下载gpu版本的，而且需要跟自己建的环境的python版本对应
下载安装包到哪个盘都行，我一般先放在桌面上，然后到新建的环境下 pip install 加完整离线安装包的路径，如果放在桌面上直接把安装包拖到Anaconda Prompt里面路径自己就出现了，torch、torchvision和torchaudio具体版本离线安装都是一样的过程
把桌面上的安装包拖到pip install 后面即可出现完整路径
pytorch安装成功验证： 打开Pycharm自己新建的环境（安装pytorch）, 运行以下代码，True证明成功，如果步骤没有问题Flase可以重启看看， 一般Flase都是因为版本不匹配导致的，就需要重新下载对应版本安装包重新安装 直接复制代码如下：
#判断是否安装了cuda
import torch
print(torch.cuda.is_available()) #返回True则说明已经安装了cuda
#判断是否安装了cuDNN
from torch.backends import cudnn
print(cudnn.is_available()) #返回True则说明已经安装了cuDNN
tensorflow-gpu安装： Anaconda Prompt到自己的新建环境下寻找可安装的tensorflow-gpu版本：
conda search tensorflow-gpu然后命令行安装tensorflow-gpu相应版本即可，版本号相应改一下即可
例如：
pip install tensorflow-gpu==2.3.0 --default-timeout=10000 -i https://pypi.doubanio.com/simpletensorflow-gpu验证安装是否成功： 打开Pycharm自己新建的环境（已安装pytorch）, 运行以下2种代码1种即可： 直接复制代码即可，出现GPU相关信息即可证明成功
import tensorflow as tf
gpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)
# 返回True或者False
tf.test.is_gpu_available()
或者
from tensorflow.python.client import device_lib
# 列出所有的本地机器设备
local_device_protos = device_lib.list_local_devices()
# 打印
print(local_device_protos)
# 只打印GPU设备
# [print(x) for x in local_device_protos if x.device_type == 'GPU']
本文可能有些图片来源于网络，我也记不清了，侵权及时删。
标签：离线,cuDNN,cuda,GPU,gpu,安装,CUDA 来源： https://blog.csdn.net/weixin_52492249/article/details/121912831
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。