前言

pytorch的GPU版本需要先对电脑本身有显卡并且安装好CUDA和CUDNN才可以使用

下面我详细介绍RTX5070显卡安装CUDA和CUDNN的步骤

目录

安装CUDA

确定自己电脑上的显卡可以安装CUDA的版本

 下载并安装CUDA

​编辑验证CUDA安装是否成功

 安装CUDNN

下载并安装CUDNN

验证CUDNN安装是否成功

---

安装CUDA

确定自己电脑上的显卡可以安装CUDA的版本

打开NVIDIA控制面板

可以看到自己电脑上面的显卡版本 

通过显卡版本对安装CUDA版本进行一个范围确认

再查看组件目录参考自己电脑显卡支持CUDA的最高版本

最终综合得出需要安装的CUDA版本  

 下载并安装CUDA

官网下载地址

CUDA Toolkit Archive | NVIDIA Developer

点击后选择适合的配置进行下载

配置说明如下

OperatingSystem （操作系统）：我的是window

Architecture  （架构）： 根据自己电脑的配置选择， 现在一般的电脑都是为x86_64

Version  （版本）： 选择适合自己的windows版本

Installer Type： 选择本地安装 或 网络安装

 下载之后,点击安装包进行安装,刚开始让设置临时解压目录，我这里选择的是D盘目录

 后面就开始安装了

第一次安装都进行勾选

 

我的电脑没有安装Visual Studio所以勾选没有安装Visual Studio直接下一步,不影响

验证CUDA安装是否成功

win+R  输入cmd命令打开窗口

输入nvcc -V

输入nvidia-smi

这些都正常就是安装成功了

 安装CUDNN

下载并安装CUDNN

官网下载地址

cuDNN Archive | NVIDIA Developer

这个官网需要注册账号才可以下载,自己注册一个账号下载

因为我安装的是12.8版本的CUDA,所以我下载支持CUDA12.x版本的CUDNN安装包

 下载之后解压安装包

 打开解压后的文件看到这三个文件

把这三个文件直接拖到你安装CUDA路径下面有这三个文件的文件夹中进行替换。

CUDA软件目录有着三个文件夹的目录就是CUDA的安装目录,自己去找。

可以简单理解为替换,其实本质也不是替换,就是在CUDA的基础上加入这三个文件夹中的文件,放到对应CUDA目录这三个文件夹中

验证CUDNN安装是否成功

打开   CUDA安装目录\extras\demo_suite        路径

在路径框中输入cmd打开之后cmd的目录就是在这个路径下

在cmd窗口输入bandwidthTest.exe          可能需要等2秒

在cmd窗口输入deviceQuery.exe

这些都正常就是安装成功了