Windows 下 CUDA, cudnn, pytoch 卸载、更新、安装

hello, 大家好，今天趁着刚好要升级一下 cuda 来，用这个场景来演示一下 windows 下如何 CUDA, cudnn, pytoch 卸载、更新、安装。

安装准备

首先需要

查看本机支持的 cuda 版本及相关信息

这里有两种方法可以查看，效果是一样的。

我们先演示第一种

• 通过 NVIDIA 控制面板查看

  • 桌面右键打开 NVIDIA 控制面板，点击 帮助-系统信息-组件 即可查看

    

• 通过 nvidia-smi 查看

  • 通过 cmd 打开控制台，输入命令查看

    

这两种方法查看到的都是本机支持的最高版本的CUDA，它是可以向下兼容的。一般我们不需要安装最高版本，而是通过下面的结合 pytoch 版本来选择。

查看已安装版本

先来看看我已经安装的 CUDA 版本

• nvcc -V

  

查看本机支持的 pytoch 版本 及相关信息

接着我们来看看本机支持的最高 pytoch 版本是多少，我们打开 pytorch 官网

PyTorch

这里我们可以看到本机，支持最高是 12.1 。

而我们上面查看到的本地实际上可以支持到 12.4，但是 pytorch 只支持到 12.1，所以我们 CUDA 只安装到 12.1 的版本就够了。

卸载旧版

然后我们继续卸载就版本的 CUDA

• 控制面板或设置-应用中卸载含 CUDA 字样的程序

  

  这里你们有什么卸载什么即可。

• 进入到环境变量的 path 变量中，删除旧版本的环境变量

  • 同样是带 CUDA 字样

    我们这里检查了一下并没有，应该是卸载程序的时候系统自动帮我们删掉了，如果有请手动删除。

• 进入 CUDA 目录，删除残留旧版本文件

  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

下载cuda安装包

接着我们去官网下载 CUDA

CUDA Toolkit Archive | NVIDIA Developer

我们这里要安装的是12.1 的版本。只需要关注小数点后一位即可，后面选最新即可。

选择好自己的平台，并点击下载

这里的路径建议直接默认，避免很多麻烦。

这里提示我们有新版本可以忽略

我们选择自定义，因为我们只卸载了 CUDA 所以只需要安装 CUDA 即可。

这里的路径建议也是保持默认

然后下一步，等待安装即可。

安装注意：

如果你是第一次安装且没有安装 vs 的话，必须去掉在 CUDA 中的 visual studio integration 这一项。

但是如果有需要的请勾上。

检查

安装完成后，我们最好检查一下

• 在命令行中输入nvcc -V查看安装的版本。

  

• 打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXXX\bin 检查nvcc.exe是否存在。
• 打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXXX\extras\CUPTI\lib64 检查cupti64_XXX.dll是否存在。

下载cudnn安装包

接着我们继续下载 cudnn 库

https://developer.nvidia.com/cudnn-download-survey

它会叫你注册登录，你就注册登录即可。

找到适用于你自己 CUDA 的版本。

这里我下载过了，就直接演示

将下载到的压缩包解压到 cuda 的安装路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXXX下并覆盖。

检查环境变量

安装后重新检查环境变量的 path 变量中确认下面 3 项均存在，如果缺少则添加。

• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXXX\bin
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXXX\libnvvp
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXXX\extras\CUPTI\lib64

验证效果

随便打开个 python 环境，安装一下 pytoch

我们直接用官网的命令安装即可。

最后用下面的 python 代码来验证一下是否可以调用 GPU

import torch
torch.cuda.is_available() # 查看pytorch是否支持CUDA
torch.cuda.device_count() # 查看可用的CUDA数量
torch.version.cuda # 查看对应CUDA的版本号

至此，我们的卸载，更新，安装就教完了。