1. 环境准备：从显卡检查到CUDA版本选择
刚接触深度学习的同学经常会卡在环境搭建这一步，我自己当年也是折腾了整整两天才把PyTorch的GPU版本跑通。今天我就把Win10系统下配置CUDA和PyTorch的全过程拆解成小白也能看懂的步骤，帮你避开那些坑。
首先得确认你的显卡是否支持CUDA。右键点击桌面空白处，选择"NVIDIA控制面板"，在左下角点击"系统信息"，切换到"组件"标签页。这里会显示"NVCUDA.DLL"对应的CUDA版本，这个数字很重要，它决定了你能安装的CUDA工具包版本上限。比如我的RTX 3060显示的是11.4，意味着最高可以安装CUDA 11.4。
注意：如果这里看不到CUDA版本，可能是驱动太旧或者显卡不支持CUDA。建议先到NVIDIA官网更新驱动，GeForce系列显卡需要GTX 650以上才支持CUDA。
确定显卡支持后，接下来要选择具体的CUDA版本。这里有个关键点：PyTorch官方并非支持所有CUDA版本。以2023年8月为例，PyTorch 2.0稳定版只支持CUDA 11.7和11.8。建议先到PyTorch官网查看当前推荐的CUDA版本，再决定安装哪个版本的CUDA工具包。
2. CUDA工具包安装实战
到NVIDIA官网下载CUDA工具包时，建议选择exe(local)安装包，虽然体积大些(约3GB)，但安装成功率更高。安装时记得选择"自定义"而不是"快速安装"，这样可以自由选择安装路径。我习惯在D盘新建"CUDAToolkit"文件夹，把CUDA和后续的cuDNN都放在这里。
安装过程中有几个关键选项需要注意：
- 主程序必须安装
- Development组件必须勾选
- Documentation可选
- Driver组件如果已经安装过新版驱动可以取消
安装完成后需要验证环境变量是否自动配置。打开cmd输入：
nvcc -V
411
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
