为了让torch可以使用显卡GPU加速，需要安装对应版本的cudatoolkit和pytorch。这里我的nvidia显卡驱动是9.1版本，只能安装cudatoolkit9。

3.8condaactivatepytorch安装pytorchV-10.1版本#CUDA10.2condainstallpytorch==1.10.1torchvision==0.11.2torchaudio==0.10.1cudatoolkit

condacreate-npytorch21python=3.71.pytorch1.12.1#CUDA10.2condainstallpytorch==1.12.1torchvision==0.13.1torchaudio==0.12.1cudatoolkit

最近在训练深度学习模型的时候突然发现GPU不能用了，查找了问题之后发现是Nvidia显卡驱动过期了，并且CUDAtoolkit也太老了，需要进行更新，因此我花了一些精力更新一下，把遇到的问题和更新流程记录一下

3.8tensorflowcondaactivatedl_envcondaenvremove--namedl_env#conda在创建新环境时指定CUDA版本condacreate-nmyenvpython=3.8cudatoolkit

cudatoolkit和cuda有关系吗CUDA是NVIDIA推出的一种并行计算平台和编程模型，可以在NVIDIAGPU上运行C/C++代码。

一.安装NvidiaDriver和CUDAToolkit参考:https://blog.csdn.net/xueshengke/article/details/78134991NvidiaDriver下载链接

python3.10不能执行以下pip操作：python3.10可以进行的操作：condainstallpytorch==1.10.0torchvision==0.11.0torchaudio==0.10.0cudatoolkit

一、下载Centos7适配的NvidiaTeslaA10040G显卡驱动在Nvidia官网下载Centos7适配的显卡驱动，CUDAToolkit选择的11.7，没有选择最新的，下载下来的显卡驱动为：nvidia-driver-local-repo-rhel7

根据查看的版本，下载CUDAToolkit并安装。安装完成记得配置系统环境变量，这里自己百度。如何验证安装成功呢？终

CUDA和CUDANN时，发现CUDANN不见了，官网甚至找不到一丝它的信息，公告也没有，看看吐槽说实话最开始的CUDANN确实比较恼火，要下载下来拷贝过去现在只需要直接安装cuda，就可以安装成功了CUDAToolkit12.2Update2Downloads

安装完成之后，查看自己的驱动版本（NVIDIA控制面板——系统信息——组件）CUDAToolKit安装CUDA之前，先看安装CUDA之前，先到pytorch官网（StartLocally|PyTorch

cudatoolkit和驱动版本的对应关系:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index...查看cudatoolkit历史版本

pytorch相关配置一：安装cuda1:找到nvidiacontrolpanel2:打开控制面板，找到系统信息中的，组件即可查看到cuda版本，这里我的cuda版本为12.0.1503：下载对应版本的cudatoolkit4

文章目录前言一、注意事项1.查看电脑cuda版本2.CUDAToolkit与Pytorch版本对应3.Python与Pytorch版本对应二、python安装步骤1.安装Anaconda32.创建conda

一.首先，需要查看系统版本：lsb_release-a显示：二.去官网找到下载cudatoolkit的指令。

环境信息:windows10+cuda10.1踩过的坑:1.在AnacondaNavigator里面安装的tensorflow-gpu,cudatoolkit会锁定在10.0,而pytorch在写这文章的时候就已经是支持

重新安装，去掉驱动的安装，设置Toolkit的安装路径设置Library的安装路径按Done返回上一级只选择CUDAToolkit进行安装安

一、CUDAToolkit安装1.选择需要安装的版本(下载地址)2.选择自己的系统版本获取下载地址和安装指令3.运行安装指令进行安装wgethttps://developer.download.nvidia.com

下载NVIDIA驱动和CUDA前往NVIDIADriverDownloads和NVIDIACUDAToolkitArchive根据系统版本和显卡类型选择显卡驱动和CUDAToolkit。

如果有帮助,记得回来点个赞目录1.安装指定GPU驱动如果安装的GPUCUDAVersion和CUDAToolkit版本已经冲突怎么办?

Pytorch使用不同版本的cuda由于课题的原因，笔者主要通过Pytorch框架进行深度学习相关的学习和实验。在运行和学习网络上的Pytorch应用代码的过程中，不少项目会标注作者在运行和实验时所使用的Pytorch和cuda版本信息。由于Pytorch和cuda版本的更新较快，可能出现程序的编译和运行需要之前版本的Pytorch和cuda进行运行环境支持的情况。比如笔者遇到的某个项目中编写了C

1软硬件资源仅作参考，其他型号通用win1132内存显卡RTX2080Ti，驱动版本号：516.59python3.8.10torch1.8.0框架cudatoolkit11.1cudnn8.0.42查看适用

Window10tensorflow2.1CUDA配置（cudatoolkit安装失败解决）配置CUDA前相关的环境信息CUDAtoolkitv11.3安装失败的解决方式图形驱动程序安装失败的解决方式缺少

文章目录1、查看版本信息查看GPU查看cuda版本其他方法2区分了解cudaCUDAToolkitNVCCcuDNN3/安装过程4/版本的问题CUDAToolkit和显卡驱动的版本对应CUDA/CUDAToolkit

小编用笔记本装了后训练时因内存不够一直出错，含泪换台式机装了这个版本）：CUDA9.0CUDNN7.6.5python3.6VS：2017torch：condainstallpytorch1.1.0torchvision0.3.0cudatoolkit

环境配置CUDA软件生态自顶向下结构大致如下:Applications:CuLibraries:CuBlas,CuDLA,TensorRT等CUDAtoolkit:GPUDriver:GPUdevices

pytorch版本与CUDN不配套解决办法：验证附CUDN版本号查看方式及CUDN版本号与pytorch版本对应关系，以便自查CUDN版本号查看方式：前言提示：这里可以添加本文要记录的大概内容：安装完cudatoolkit

环境配置CUDA软件生态自顶向下结构大致如下:Applications:CuLibraries:CuBlas,CuDLA,TensorRT等CUDAtoolkit:GPUDriver:GPUdevices

bashrccondacreate-nenvpython=3.9condaactivateenvcondainstallpytorch==1.12.1torchvision==0.13.1torchaudio==0.12.1cudatoolkit

CUDA使用介绍CUDA的设计目标CUDAToolkit介绍固定平台安装方法整体安装简化安装方法以运行文件（Runfile）形式安装通过Conda安装器安装通过Pip安装以压缩包形式安装跨平台（Cross-PlatformEnvironment

下载cuda版本进：CUDAToolkit12.2Downloads|NVIDIADeveloperwgethttps://developer.download.nvidia.com/compute/cuda

前言windows10版本安装CUDA，首先需要下载两个安装包CUDAtoolkit（toolkit就是指工具包）cuDNN1.安装前准备在安装CUDA之前，需要完成以下准备工作：确认你的显卡已经正确安装

CUDAToolkit多版本安装目的是为了将CUDAToolkit支持多个版本，并将当前版本更新到后续支持常见pytorch的版本（即cuda11.6），目前该系统默认安装的是cuda10.2，cuda11.0

condaactivate[仓库名字]三、安装PyTorchPyTorch官方GPU：condainstallpytorch==1.11.0torchvision==0.12.0torchaudio==0.11.0cudatoolkit

目录一、确定版本CUDAtoolkit、cuDNN版本Python、PyTorch版本二、安装Python下载环境变量验证安装三、安装Anaconda安装环境变量验证安装创建conda虚拟环境常用命令四

conda4.14.0tensorflow环境Python3.8.13+cuda11.2+tensorflow-gpu2.10.0+keras2.10.0pytorch环境python3.8.13+cudatoolkit11.3

pytorch深度学习pytorch、python、cudatoolkit、torchvision版本对应关系https://pytorch.org/get-started/previous-versions

参照YOLOv7+各种tracker实现多目标跟踪配置环境1、配置要求python=3.7.0pytorch=1.7.0torchvision=0.8.0cudatoolkit=11.0py-motmetrics

lang=cn#（不用下载，找出对应Toolkit的版本号即可）4.cudaToolkit:直接在百度搜索（

1.进入官网CUDAToolkit12.1Update1Downloads|NVIDIADeveloper选则相应的版本进行安装2.装完后要sudoreboot，输入nvidia-smi命令才能正确显示显卡配置

大概linux下的安装步骤，细节可能不完整1、NVIDIA显卡驱动安装2、CUDAToolkit的安装3、cuDNN的安装4、深度学习PyTorch库5、深度学习框架Darknet6、图片标注工具Labellmg1

一、安装显卡驱动参考另一篇文章：Ubuntu20.04安装Nvidia显卡驱动教程_ytusdc的博客-CSDN博客二、安装CUDA英伟达官网（最新版）：CUDAToolkit12.2Update1Downloads

安装CUDA命令生成生成安装命令，访问：CUDAToolkit12.2Update1Dow

所以终极解决办法就是如StyleGANGitHub描述的那样，使用相应版本的tensorflow、cudatoolkit和cudnn。

一、vsCode使用cuda前情提要：配置好mingw：1.安装cuda参考：**CUDAToolkit安装教程（Windows）：**https://blog.csdn.net/qq_42951560

nvidia-smicuda安装（cudatoolkit）前往Nvidia的CUDA官网：CUDAToolkitArchive|NVIDIADeveloperCUDAToolkit11.8Downloads

1.cuda11.8网址CUDAToolkit11.8Downloads|NVIDIADeveloper2.安装shcuda_11.8.0_520.61.05_linux.run直接accept移动上下到

错误消息中列出的依赖项包括pip=20.3、python=3.8.5和cudatoolkit=11.3。

CUDA各个版本下载网址CUDAToolkitArchiveCUDAToolkit9.2(May2018)CUDAToolkit9.1(Dec2017)CUDAToolkit9.0(Sept2017)CUDAToolkit8.0GA2