Win10 安装 CUDA（CUDA Toolkit）、cuDNN + PyTorch 详细教程

Win10 PyTorch 安装 详细教程(以 pytorch)

1. 查看驱动版本，确定能安装的 CUDA Toolkit 版本

Win+r 打开 cmd 运行 nvidia-smi 命令

我的 CUDA Version 是 11.2 ，那么就可以下载 ≤11.2 的CUDA Toolkit。因为 CUDA 11.1 直接适应的 PyTorch 版本比较多，所以我选了 CUDA 11.1 。

如果命令运行失败，右击Windows图标打开 设备管理器 看看自己的电脑是否有支持 GPU 的显卡。

2. 下载并安装 CUDA Toolkit

1. 下载
   点开链接 CUDA Toolkit官方下载地址 找到 CUDA 11.0 直接下载即可：

   

   其他版本的自行找到对应版本下载就成。

2. 安装：

   注意：

3. 下载cuDNN，解压后放到 CUDA Toolkit 的目录下

1. 下载
   点开链接 cuDNN官方下载地址 ，找到 对应 CUDA Toolkit 版本的 cuDNN 下载即可。

   

   找到对应 CUDA 11.1 的 cuDNN 点击下载，我还专门找了个和我的 CUDA Toolkit 发布时间一样的。

2. 安装：

   解压之后，直接将整个文件复制粘贴到 CUDA 的安装位置（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1）即可。

   cuDNN 的文件会自动移动到 CUDA Toolkit 里对应的文件下

4. 配置系统环境变量

• 系统变量：

  

  这个是默认创建的，没有的话自行添加

• 还有Path环境变量：

  

5. 测试环境是否安装配置成功

1. 测试环境变量是否配置成功
   Win+r打开cmd输入：

   • nvcc -V 查看 CUDA 编译器 nvcc 版本号
   • set cuda 查看设置的 CUDA 系统环境变量

2. 使用CUDA内置的 deviceQuery.exe 和 bandwithTest.exe 程序测试CUDA是否安装好：

   • 首先进入到 安装目录，（也可 cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite）

     

   • 然后在 cmd 输入 BandwidthTest.exe 和 deviceQuery.exe 执行程序，两个都输出为 PASS 即为成功。

     
     

6. 安装 PyTorch

CUDA 11.1 可安装很多版本的 pytorch，我选的是 torch 1.8.1 。

# CUDA 11.1
pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

推荐自己手动去上面那个 whl网站 下载对应 whl 然后离线安装。（注意不要下载 cpu 版本的！网站的 .whl 文件列表前面的 cu111 就是CUDA 11.1的意思；torchvision、 torchaudio 版本一定要和 torch 对应！）

PyTorch .wheel文件 官方下载地址

官方各版本PyTorch安装命令合集：Previous PyTorch Versions | PyTorch
链接里面针对每个版本的 pytorch，每种系统（OSX 、Linux或Windows），都有 对应CUDA版本的 conda命令 和 pip命令 安装方式。

7. 测试 PyTorch

import torch
print(torch.__version__)    # 1.8.1+cu111，如果是1.8.1+cpu说明下错了，下的 cpu 版本。
printf(torch.cuda.is_available())    # True为正确；False的话，应该是CUDA ToolKits没装好

测试结果：

References

何为xl.【CUDA】cuda安装 （windows版）