最近有demo要在Windows下跑，就在自己MX330顯卡的筆記本上安裝了CUDA和CUDNN，本文記錄這個踩坑過程。

驅動適配

Windows上顯卡的驅動一般是已經安裝成功的，這里首先需要查看自己的顯卡支持的CUDA版本。具體操作順序維：桌面右擊NVIDIA控制面板->導航欄選擇幫助點擊系統信息->切換到組件選項卡。

上圖就是查看的結果，它表示最高支持的CUDA版本維10.2，更高的不支持（升級驅動后支持）。

安裝包下載

CUDA的安裝可以訪問官網開發者工具中找到，鏈接給出，此時顯示的結果如下，這是最新的CUDA11，點擊右側的紅框選擇歷史版本。

找到CUDA10.2，按照需求下載exe文件即可。

CUDNN的下載也類似，鏈接也給出，這個下載需要注冊開發者賬號（簡單幾步注冊登錄即可），然后如下圖選擇合適的CUDA版本對應的CUDNN并選擇Windows Library。這里注意，推薦的是CUDNN8.0.2，事實上，還有一個7.6.5更合適一些，點開Archived菜單查找，后者更穩定。我這里只是實例，實測RC版不支持TF2，請務必7.6.5這樣的7.x版本。

安裝

CUDA安裝

雙擊運行CUDA安裝程序，一開始會選擇一個臨時文件解壓目錄，這個隨意，只是臨時存放安裝程序的。解壓完成后正式進入CUDA的安裝，首先是同意協議，接下來選擇安裝模式，這里切換到自定義安裝，取消勾選Visual Studio Integration（這里解釋一下，這個模塊是對VS編譯的支持，沒有安裝VS無法征常工作，而需要VS輔助則是需要編譯cuda程序，這種編譯不建議在Windows下進行，一般Windows下能跑深度學習原生框架的代碼就行）。

然后就是安裝目錄，可以自己指定，一般默認即可。

下面就是一段時間的等待，結束后就成功安裝了，點擊關閉，完成安裝。

此時，終端輸入nvcc -V進行CUDA版本的查看，顯示無誤則成功安裝，如下圖。這時，關于CUDA的環境變量已經自動創建了，不需要手動創建。

CUDNN安裝

解壓下載得到的CUDNN壓縮包，會得到一個名為cuda的目錄，將其中bin,include和lib目錄中的內容拷貝到CUDA的安裝目錄（默認維C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2）下的對應目錄中。

然后，在系統環境變量的Path中新增如下兩項（對應自己的安裝目錄）。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64

切換到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite目錄下，命令行執行bandwidthTest.exe，查看結果是否如下圖，顯示Pass則安裝成功。

至此，在Win10上CUDA和CUDNN安裝完成。

訓練測試

按照官方教程，在虛擬環境中安裝Pytorch1.5并進行GPU訓練測試，結果如下，成功使用CUDA訓練。

或者命令行輸入python -c "import torch;print(torch.cuda.is_available())"也能得到結果。

總結

以上是生活随笔為你收集整理的Windows系统CUDA10.2+CUDNN安装教程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。