1. 依然是这个网址:
CUDA Toolkit Archive | NVIDIA Developer
下载后点击exe安装:
临时文件位置随意。然后选择自定义安装:最下面三个不需要安装,cuda一栏中Nsight Systems和Nsight Compute不需要勾选。
选择安装位置,就放在之前安装的其他版本的cuda一样的位置,新的文件夹v11.8。默认C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
2. 安装cudnn库
cuDNN 9.2.1 Downloads | NVIDIA Developer
下载相应版本的压缩包,解压后:复制以下三个文件夹到上面的路径里。
添加系统环境变量:
注意顺序要在之前的cuda版本的位置之前才可以。想用哪个版本就把哪个版本的环境变量放在前面的位置上。
查看是否cudnn成功:
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.3\extras\demo_suite
bandwidthTest.exe
deviceQuery.exe
显示成功:deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 11.8, CUDA Runtime Version = 11.8, NumDevs = 1, Device0 = NVIDIA GeForce RTX 3070 Result = PASS
3.python 3.10的安装
conda info --envs #查看虚拟环境有哪些
conda env list #或者
conda create --prefix E:\classify\Vim\envs python=3.10 #利用路径创建一个虚拟环境
conda activate E:\classify\Vim\envs #激活它
conda install python=3.10.13 #安装python3.10
python --version #查看python版本,或者python -V。是否是3.10
conda deactivate #关闭当前环境
如果出现错误:Your shell has not been properly configured to use 'conda activate'. If using 'conda activate' from a batch script, change your invocation to 'CALL conda.bat activate'
conda init powershell #或者conda init cmd.exe,关闭后重新运行
如果出现要求更新conda,那就更新它:
conda update -n base -c conda-forge conda
4. 安装pytorch
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
查看cuda11.8是否可用:
import torch
def check_cuda():
if torch.cuda.is_available():
print("CUDA is available")
print("CUDA version:", torch.version.cuda)
print("Number of CUDA devices:", torch.cuda.device_count())
for i in range(torch.cuda.device_count()):
print("Device name:", torch.cuda.get_device_name(i))
else:
print("CUDA is not available")
check_cuda()
输出: