在Windows11環境下安裝CUDA與cuDNN

Zera Tseng
Jan 11, 2023

--

因為準備要安裝Python和Anaconda軟體,所以要先把環境先設置好。因為我在學習深度學習和AI的相關運用的需求,所以我的硬體設備必須考慮兩個條件:

第一個條件是GPU的存在。有兩個方法可以讓你的硬體具備GPU功能,第一是你的CPU有內建GPU的運算。另外一個方法,就是購買具有GPU運算能力的顯卡。要查詢你的顯卡是否具備GPU和CUDA的能力,可以到這裡查詢你的顯卡的GPU需要和CUDA的什麼版本匹配才可以運作無礙。

要確認你的電腦是否有GPU,或是安裝是否安裝成功,可以用WIN+R開啟命令視窗,打"Nvidia-smi”這個指令查詢你電腦的GPU的狀態:

可以參考這篇 : Nvidia-smi簡介及常用指令及其引數說明

第二個條件,就是你的顯卡必須具備CUDA和cuDNN功能。另外要說明的是,CUDA和cuDNN是屬於NVIDIA顯卡所獨有的功能,如果顯卡安裝的是其它品牌,基本上就無法安裝這個功能。

所以,在購買電腦或筆電之前要先考慮它的用途,如果是一般打電動,就選擇你認為最好的顯卡和品牌就可以了,但是如果你有深度學習和機器學習的需求,需要用到tensorflow等技術時,就必須考慮購買有GPU、CUDA和cuDNN功能的顯卡。

因為我的CPU和顯卡都有GPU功能,所以,接著第一步就是先安裝NVIDIA的驅動程式,然後更新CUDA和cuDNN。

安裝CUDA和cuDNN之前,要先確認你的顯卡所能夠支援的最高版本,先把驅動程式更新到最新的版本之後,才能夠確認你可以安裝的CUDA和cuDNN版本。

到桌面上用滑鼠按右鍵,進入NVIDIA控制面板確認你目前電腦中安裝的NVIDA的驅動程式版本是否需要更新?

接著,點入"系統資訊"。

點選"顯示",看目前電腦安裝的驅動程式版本,然後把他的版本筆記下來。

接著,點選"元素",看目前電腦的CUDA版本,同樣的也筆記下來。

官網去查看,目前所支援的顯卡驅動程式的最高版本,如果沒有更新到最新的版本,就先下載驅動程式,把驅動程式更新。

或是可以用手動到這個網址:https://www.nvidia.com/zh-tw/geforce/drivers 手動下載驅動程式

顯卡驅動程式與 CUDA 的版本對應: https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

對照剛才的筆記,確認自己的版本是否需要更新,如果已經是最新的版本,就可以跳過這個步驟。沒有更新的話,就先下載驅動程式然後更新吧!

安裝完畢,重新進入控制面板確認是否已經更新到最新的版本。

安裝環境準備好了之後,就可以開始安裝CUDA。

安裝CUDA的步驟:

  1. 前往路徑 : https://www.nvidia.com/zh-tw/geforce/drivers/選取適合的安裝版本,可以選擇離線安裝或是在線安裝兩種方式。因為已經更新到最新的驅動程式,所以通常下載的都是最新發布的版本。
  2. 如果不確定安裝的流程是否正確,可以參考官方版本的安裝流程:

https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html

安裝完成CUDA之後,前往設置環境變數。

這時候,會發現系統變數中已經有設置好的CUDA_PATH和CUDA_PATH_V12_0

接著,使用WIN+R進入命令模式,輸入nvcc -V確認安裝版本是否已經成功。

安裝cuDNN。

下載cuDNN之前要先登入NVIDIA會員。然後依照需求下載版本。

下載路徑 : https://developer.nvidia.com/rdp/cudnn-archive

我選擇的是離線安裝,所以下載的是一個壓縮檔案。

我先在電腦中開一個資料夾,專門放置這些解壓縮出來的檔案,點進去看可以看到有下面這些資料夾。

先進入bin資料夾,將檔案中的cudnn*.dll複製到路徑C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\bin

接著,回到解壓縮的資料夾,將include資料夾內的cudnn*.h檔案複製到路徑C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\include

再接著,回到解壓縮的資料夾,將lib資料夾內的cudnn*.lib檔案複製到路徑C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\lib\x64

詳細操作方式參考官網路徑: https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-windows

安裝完成之後,將路徑在環境變數之PATH路徑中新增。

到此,CUDA和cuDNN已經安裝完成。

--

--

Zera Tseng

就只是記錄從2019年開始的自學之旅的一個地方。先是C++、然後Java、Python、Docker、Line Bot、Data Science、Machine Learning、Yolov7、Edge AI、Html、Css、Javascript、Git...不知不覺已經走了很長一段路,覺得應該把這段旅程記錄下來。