CUDA配置与cuDNN配置

　　最近有个新的机器需要配置下深度学习环境，虽然之前配置了很多次了，不过这次想要详细记录一下，这里只记录配置NVIDIA显卡驱动，CUDA,cuDNN的配置，而常用的深度学习包pytorch,tensorflow的配置这里暂时不讲述了。

1.NVIDIA驱动安装

　　我这里的设备是NVIDIA GeForce RTX 20260 SUPER，然后我们先打开计算机管理，查看显示适配器如下

　　虽然这里显示的是NVIDIA GeForce RTX 20260 SUPER，是因为我们已经转好了NVIDIA驱动，初始时我的是显示Micsoft基本显示器，并没有显示NVIDIA GeForce RTX 20260 SUPER，因为使用的是系统自带的通用驱动；另外这里显示适配器只有一个，有些有两个或多个（自带的核显与某些虚拟显示适配器，如果CPU型号处理器不带后缀"F",就代表有核显），这里我的处理器查看后为12th Gen Intel(R) Core(TM) i3-12100F 3.3GHZ，这里后缀有个F说明无核显，而且HDMI线接到显卡上了，说明Micsoft基本显示器就是我们唯一的2060显卡了，所以可以下载NVIDIA驱动了。

　　打开地址: https://www.nvidia.cn/geforce/drivers/,下载自己显卡型号的驱动就可以了，

 

　　当然我们下载更高版本的驱动也是可以的，高版本的驱动兼容低版本的驱动，比如下载50系列的驱动，40,30,20系列显卡仍然可以适配。下载完就安装，安装完后(这里没有给出图),再查看显示适配器就出现了自己的显卡的名称了，然后我们还需要在cmd中测试一下命令nvidia-smi，结果如下的话，就说明我们的NVIDIA驱动装的没问题了。

　　这里解释一下上图中比较重要的几个参数:Driver Version:560.94为实际安装的驱动版本，后面有个CUDA Version:12.6,表明这个安装的驱动支持的最高CUDA版本为12.6，我们后面安装CUDA只能小于等于12.6了。至此，NVIDIA驱动安装完成。

2.CUDA下载与安装

　　2.1 CUDA下载

　　下载官网地址: https://developer.nvidia.com/，打开这个官网地址，后页面如下:

　　点击Downloads，跳到下面页面（往下滑）：

　　然后点击图中的CUDA Toolkit，如果中途有Subscribe to NVIDIA CUDA Toolkit Updates这个表格要填，就叉掉不用管。然后界面如下:

　　点击Download Now后如下:

　　由于我们要装自己想要的版本，所以点击上图中的Resources中的右侧那个 Archive of Previous CUDA Releases，然后就跳到了如下页面:

　　前面说过了，该驱动支持的最高CUDA版本为12.6，所以不能超过12.6，图中红色框住的都可以下载。这里我下载了CUDA Toolkit 12.6.0，下载完后名称为cuda_12.6.0_560.76_windows，然后开始安装了。

　　2.1 CUDA安装

　　双击运行上面下载的cuda_12.6.0_560.76_windows，然后出现如下界面:

　　点击OK，继续

　　

　　上图完了以后会出现下图，点击同意并继续。

　　然后会出现安装路径选择，这里选择自定义。

　　点击下一步，如下:

　　我们没有Vistual studio，将其取消掉，网上有教程将NVIDA GEForce Experience 与Other components与Driver components都取消掉了，这里我没管，默认,如下:

 

 　　然后点击下一步后，得到如下(11.6开始就只有这项了，之前的版本选择安装位置有三项，比如CUDA Documentation,Samples,CUDA Development):

　　点击下一步，继续如下:

　　点击关闭，然后去查看环境变量。此时应该有CUDA_PATH与CUDA_PATH_V版本号两个变量了。

　　　再查看Path，如下:

 　　上述这些都是安装时，自动配置好的。最后使用命令nvcc -V或nvcc --version来查看CUDA是否安装完成了。

　　自此CUDA顺利安装完成了。

 3.cuDNN下载与安装

　　cuDNN下载地址: https://developer.nvidia.com/cudnn-downloads，打开后如下:

　　因为我们要安装自己想要的版本，所以我们点击红色框住的地方，然后跳转如下:

　　然后，我们似乎并不知道哪个cuDNN适配我们的CUDA版本。这里我们访问这个网址 https://developer.nvidia.com/rdp/cudnn-archive，然后跳转如下:

　　这样，我们就知道下载哪个了。点击自己想要下载的如下(与CUDA不同，下载cuDNN需要注册个账号，有的话就直接登录):

　　由于我们是windows，下载zip就可以了(9.6版本后提供exe的cuDNN下载了,下载双击安装会单独生成一个NVIDIA文件夹)，下载下来后解压如下:

　　里面内容粘贴出来如下:

                             

　　然后将这三个文件里面的全部内容(CUDA目录原始没有这些文件)，复制到CUDA目录下的对应的三个目录中(或者三个文件夹直接拖过去，合并就好了)，如下。

　　然后测试，进入到"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\extras\demo_suite"目录下，会有deviceQuery.exe与bandwidthTest.exe，测试如下，如果出现PASS，就说明就说明 CUDA 驱动、Runtime 没问题。

　　

　　最后去目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\bin目录下看有没有cudnn64_8.dll有些是cudnn64_9.dll等。最后输入命令where cudnn64_8.dll看是否输出路径。

　　如果输出路径，证明系统能找到 cuDNN 主 DLL——三步都通过即可认定“cuDNN 已就位”。自此cuDNN配置完毕了。

　　

　　补充:前面关于安装CUDA，是否勾选问题，这里给一个表参考下:

　　小结:本文对windows下的NVIDIA驱动，CUDA，cuDNN完整的配置了一变，正如文章开头说的那样，没有对深度学习框架pytorch,tensorflow配置进行叙述，关于cuDNN高版本出现的exe下载与安装配置，本文没有给出详细说明，后续需要再补上。

 

 

　若存在不足或错误指出，欢迎指出与评论!