Windows系统CUDA及PyTorch安装教程

Windows系统CUDA及PyTorch安装教程

引用

CSDN

1.

https://blog.csdn.net/u013001137/article/details/145488186

CUDA和PyTorch是深度学习领域常用的工具，其中CUDA是NVIDIA推出的并行计算平台和编程模型，可以利用GPU的计算能力加速深度学习模型的训练和推理。PyTorch则是基于CUDA构建的深度学习框架，可以方便地进行模型开发和训练。本文将详细介绍在Windows系统下如何安装CUDA和PyTorch，并验证安装结果。

CUDA安装

1. 系统和硬件要求检查

• 硬件：确保你的计算机配备了NVIDIA GPU，并且该GPU支持CUDA。可以在NVIDIA官方网站的CUDA GPU支持列表中查看你的GPU是否兼容。

• 操作系统：Windows系统版本需要满足CUDA版本的要求，一般较新的Windows 10或Windows 11系统都能较好支持。

• 显卡驱动：安装最新的NVIDIA显卡驱动。可以通过NVIDIA官方驱动下载页面（Download The Official NVIDIA Drivers | NVIDIA），根据你的GPU型号、操作系统等信息下载并安装最新的驱动程序。

2. 下载CUDA Toolkit

• 访问NVIDIA官方CUDA Toolkit下载页面（根据电脑实际支持且兼容的CUDA版本，选择相应的CUDA版本，可以通过nvidia-smi.exe进行查看 ，这里建议安装11.8）。

1. 12.8版本CUDA Toolkit 12.8 Downloads | NVIDIA Developer

2. 11.8版本CUDA Toolkit 11.8 Downloads | NVIDIA Developer

• 在页面中选择合适的版本和配置：

• 操作系统：选择Windows。

• 架构：根据你的系统选择，一般为x86_64。

• 版本：选择适合你需求的Windows版本。

• 安装类型：可以选择.exe（本地安装）或.msi（网络安装），本地安装包较大，但安装时无需联网；网络安装包较小，但安装过程中需要联网下载组件。

• 点击“下载”按钮，等待下载完成。

3. 安装CUDA Toolkit

• 双击下载好的安装程序，启动安装向导。

• 在安装向导中，阅读并接受许可协议。

• 选择安装选项，一般可以选择“自定义（高级）”安装，这样可以更灵活地选择要安装的组件。通常建议安装CUDA Toolkit、CUDA Samples等组件。

• 选择安装路径，默认路径为

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X

（XX.X为CUDA版本号），你也可以根据自己的需求修改。

• 点击“安装”按钮，等待安装过程完成。安装过程可能需要一些时间，请耐心等待。

4. 配置环境变量

• 安装完成后，需要配置系统环境变量，以便系统能够找到CUDA相关的库和工具。

• 右键点击“此电脑”，选择“属性”。

• 在左侧导航栏中点击“高级系统设置”。

• 在弹出的“系统属性”窗口中，点击“环境变量”按钮。

• 在“系统变量”中进行以下操作：

• 找到“Path”变量，点击“编辑”。

• 点击“新建”，添加以下两个路径（假设CUDA安装在默认路径）：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp

• 点击“确定”保存更改。

5. 验证CUDA安装

• 打开命令提示符或PowerShell窗口。

• 输入以下命令，查看CUDA版本信息：

nvcc --version  

如果安装成功，会显示CUDA的版本号。

• 还可以编译并运行CUDA示例代码来进一步验证。示例代码位于CUDA安装目录下的

Samples

文件夹中。例如，编译并运行

deviceQuery

示例：

cd "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite"
deviceQuery.exe  

如果一切正常，会输出GPU的相关信息。

注意事项

• 在安装过程中，如果遇到问题，可以查看安装日志文件，日志文件一般位于

%TEMP%

目录下，以

cuda_install_*.log

命名。

• 不同的CUDA版本可能对系统和硬件有不同的要求，在选择CUDA版本时需要注意兼容性。

PyTorch安装

要确定安装与 CUDA版本 兼容的 PyTorch 版本，可以通过 PyTorch 官方渠道来获取准确信息，通常较新的 PyTorch 版本都支持 CUDA 11.8 。以下为你详细介绍获取兼容版本及安装的方法：

官方网站查询

你可以访问PyTorch 官方安装页面，在该页面进行如下操作：

1. 在“Stable”下拉框中选择稳定版本（通常推荐使用稳定版）。

2. 在“Your OS”下拉框中选择你的操作系统，如 Windows。

3. 在“Package”下拉框中选择你习惯的包管理工具，如

pip

或

conda

。

4. 在“Language”下拉框中选择 Python。

5. 在“Compute Platform”下拉框中选择

CUDA 11.8

。

完成上述选择后，页面会显示适用于 CUDA 11.8 的 PyTorch 安装命令，命令中包含了对应的 PyTorch 版本信息。例如，截至 2025 年 2 月，使用

pip

安装支持 CUDA 11.8 的 PyTorch 命令如下：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118  

这个命令会安装与 CUDA 11.8 兼容的最新稳定版 PyTorch 及其相关库。

如果你使用的是

conda

包管理工具，可以使用以下命令安装：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia  

查看版本兼容性矩阵

你还可以查阅 PyTorch 官方的版本兼容性矩阵文档，以获取更详细的版本对应信息。不过这种方式相对复杂，对于大多数用户来说，通过上述官方安装页面获取信息更为便捷。

注意事项

• 虚拟环境：如果你使用虚拟环境（如

venv

或

conda

环境），确保在激活虚拟环境后再执行安装命令，以保证 PyTorch 安装到正确的环境中。

• 依赖检查：安装 PyTorch 时，其依赖的

torchvision

和

torchaudio

库也会一起安装，这些库的版本也需要与 PyTorch 和 CUDA 版本兼容，使用上述官方提供的安装命令可以确保这一点。

验证安装结果

安装完成并配置好环境变量后，可以再次运行以下代码来验证：

import torch
# 检查 CUDA 是否可用
if torch.cuda.is_available():
    print(f"CUDA 可用，版本: {torch.version.cuda}")
    print(f"当前使用的 GPU 设备: {torch.cuda.get_device_name(0)}")
else:
    print("CUDA 不可用")