由于 PyTorch 稳定版需要 CUDA 11.8，本机目前是 CUDA 11.7，所以需要进行升级，同时建议 Python 使用 3.10 版本。
以下是在 Windows 10 上将 CUDA 11.7 升级到 CUDA 11.8 的分步指南：
步骤 1：检查系统兼容性
- GPU 支持：确保你的 NVIDIA 显卡支持 CUDA 11.8。
- 查看支持的 GPU 列表：NVIDIA CUDA 兼容性文档
- 操作系统：Windows 10 版本需为 64 位（推荐最新更新）。
- 驱动版本：CUDA 11.8 要求 NVIDIA 驱动版本 ≥ 516.01。
- 通过
nvidia-smi命令检查当前驱动版本（命令提示符中运行）。
- 通过
步骤 2：下载 CUDA 11.8 安装包
- 访问 NVIDIA CUDA 下载页面：
https://developer.nvidia/cuda-11-8-0-download-archive - 选择以下选项：
- Operating System: Windows
- Architecture: x86_64
- Version: Windows 10
- Installer Type: 推荐选择
exe (local)（离线安装包更稳定）。
- 点击下载
cuda_11.8.0_522.06_windows.exe。
步骤 3：卸载旧版本 CUDA（可选）
- 卸载 CUDA 11.7：
- 打开 控制面板 > 程序和功能。
- 找到
NVIDIA CUDA Toolkit 11.7，右键选择卸载。
- 保留旧驱动（可选）：
- 如果当前驱动版本足够新（≥516.01），可以保留驱动；否则需更新驱动。
步骤 4：安装 CUDA 11.8
- 关闭所有 GPU 相关程序：
- 包括 PyTorch、TensorFlow、游戏、图形设计软件等。
- 运行安装程序：
- 双击下载的
cuda_11.8.0_522.06_windows.exe。
- 双击下载的
- 安装选项：
- 选择
Custom（自定义安装），确保勾选以下组件：- CUDA > Development（必须）
- CUDA > Documentation（可选）
- CUDA > Visual Studio Integration（如果使用 VS 开发）
- 取消勾选旧驱动：如果当前驱动已足够新，取消勾选
Driver components。
- 选择
- 完成安装并重启系统。
步骤 5：配置环境变量
- 检查环境变量是否自动更新：
CUDA_PATH应指向C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8。
- 手动验证（可选）：
- 右键 此电脑 > 属性 > 高级系统设置 > 环境变量。
- 确保
Path包含以下路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp
步骤 6：验证安装
- 检查 CUDA 版本：
- 打开命令提示符，运行：
输出应为nvcc --versionrelease 11.8。
- 打开命令提示符，运行：
- 检查驱动和 GPU 状态：
- 运行：
右上角显示的 CUDA 版本为驱动支持的最高版本（可能与实际安装的 Toolkit 版本不同）。nvidia-smi
- 运行：
步骤 7：安装 cuDNN（可选，针对深度学习）
如果使用深度学习框架（如 TensorFlow/PyTorch），需安装与 CUDA 11.8 匹配的 cuDNN：
- 下载 cuDNN v8.x for CUDA 11.8：NVIDIA cuDNN 下载（需注册账号）。
- 将 cuDNN 文件解压并复制到 CUDA 安装目录（覆盖对应文件夹）。
常见问题
- 驱动冲突：
- 若安装失败，使用 DDU 工具 在安全模式下彻底卸载旧驱动，然后重新安装。
- 环境变量问题：
- 确保
Path中 CUDA 11.8 的路径在旧版本之前。
- 确保
完成以上步骤后，CUDA 11.8 即可正常使用。
发布者：admin，转转请注明出处：http://www.yc00.com/web/1755040705a5231403.html
评论列表（0条）