【番外】01：Windows 安装配置 CUDA 和 cuDNN 教程
文章目录
- 1. 环境检查
- 2. 安装CUDA
- 3. 安装cuDNN
- 4. 配置环境变量
1. 环境检查
（1）只有 NVIDIA 显卡才支持 CUDA，若电脑无此类显卡，那么不必再阅读本教程了。
（2）请尽量使用 64位 Windows系统，因为较新版本的 CUDA 和 cuDNN 已经停止对 32位 的支持。
（3）打开 NVIDIA 控制面板，点击左下角“系统信息”，在弹窗中点击“组件”，查看当前显卡驱动支持的最高 CUDA 版本。
（如果需要支持更高的版本，可以尝试升级显卡驱动）
2. 安装CUDA
（1）登录 NVIDIA 开发者中心，下载 CUDA 安装包，注意版本不要超过上文所述的“最高支持版本”。
https://developer.nvidia.com/cuda-toolkit-archive
推荐稳定版本：11.3、11.6、11.8、12.1、12.4、12.6、12.8
（2）本文以 11.6 版本为例，点击上述网页中的 CUDA Toolkit 11.6.2，在跳转页面中，依次选择：
- 操作系统：Windows
- 系统架构：x86_64
- 系统版本：根据电脑系统来选择，如win10就选10，win11就选11，服务器系统就选Server xx
- 安装文件：推荐选择 exe(local) ，代表下载一个离线安装包，文件较大。exe(network)文件较小，但安装过程需要网络。
- 选择完成后，点击 Download 开始下载。
（3）双击下载的 EXE 安装包，开始安装；
（4）安装文件的（临时）解压存放路径，保持默认，点击OK，等待文件提取完成；
（5）首先进行系统兼容性检查，完成后出现许可协议，点击“同意并继续”；安装选项，选择“自定义”，点击“下一步”；
（6）在自定义窗口中，展开第一项CUDA，取消勾选其中的Visual Studio Integration，剩余的选项全部保持勾选，点击下一步；
（7）选择安装位置，一共三个路径，分别代表：文档(Documentation)、样例(Samples) 和 开发包(Development)。
（CUDA 11.8 及以上版本可能只有两个路径，没有 Samples 路径）
其中 文档 和 开发包 在同一个路径。默认都安装在C盘，也可以自定义。
如果想自定义到其他盘，我建议您先在其他盘区下，手动创建与默认路径结构一致的文件夹，如：
| 默认路径 | 自定义路径（D盘) |
|---|---|
| C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6 | D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6 |
| C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.6 | D:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.6 |
| C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6 | D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6 |
然后回到安装向导中，分别点击三个 “浏览…”，在其他盘区下，找到手动创建的对应文件夹。
全部完成后，点击下一步，将直接开始安装；
（8）等待安装完成，点击下一步，再点击关闭，安装完成；
（9）验证安装是否成功。打开一个命令终端，执行：nvcc -V ，得到如下图输出，代表安装成功。
（10）执行：set cuda ，可以输出 CUDA 安装路径。（我已经自定义到了 D 盘）
（注意，此命令在 Powershell 中可能没有输出，改用 cmd 窗口就正常了）
3. 安装cuDNN
cuDNN 是基于 CUDA 的深度神经网络加速库，专门为深度学习算法服务，相当于 CUDA 的一个补丁。
（1）登录cuDNN下载网页（必须注册账号并登录，才能下载）
https://developer.nvidia.com/rdp/cudnn-archive
（2）根据之前安装的 CUDA 版本，展开相应的 cuDNN 目录，然后点击下载对应系统的压缩包。
- 11.x 代表适配所有 cuda11 版本，12.x 代表适配所有 cuda12 版本；
- 在适配的前提下，推荐下载最新版本的 cuDNN 压缩包；
- 例如，为了适配 11.6，可以展开下图中的第二项，在展开页面中，点击下载 Windows 的Zip包。
（3）解压文件，将其中的 bin、include、lib 三个文件夹，复制到 CUDA Development 安装路径下，与同名文件夹合并。至此，安装完成，接下来配置环境变量。
4. 配置环境变量
（1）打开环境变量设置窗口；
（方法不唯一，Win10 可以右键“此电脑” >> 属性 >> 高级系统设置 >> 环境变量）；
（2）首先检查是否已有两个变量：CUDA_PATH 和 CUDA_PATH_V11_6，值为 CUDA 11.6 的 Development 安装路径。（第二个变量名称会随着 CUDA 版本而变化）如果没有，请手动添加。
（3）双击 Path 变量，检查列表中是否已有如下图的两项，分别指向 CUDA Development 安装路径下的 bin 和 libnvvp 文件夹。如果没有，请手动添加。
（4）如果只需要运行使用 CUDA 功能的现有程序，那么以上环境变量已经足够；
但如果还需要将 CUDA 编译进 新的程序 或 DLL 中，则需要将 include 和 lib\x64 路径追加到 Path 列表里，以便让编译器顺利找到头文件和（64位的）静态链接库。具体如下图：
- 如果用 32位 编译器，可以将库路径改为 lib\Win32 ，虽然这么用的不多。
- 有些资料，将库路径只写到 lib ，我认为是不准确的。但说不定他的版本 lib 下没有子目录，直接就是库文件，又或者他的编译器里写了特殊的检索规则，可以自动查找 lib 下的子目录。
- 总之，只要你明白原理，就能根据具体情况随时调整环境变量的值。
（5）最后，通过点击 “确定” 来关闭所有窗口，完成环境变量设置。切记，不可以直接关闭窗口，那样的话，设置将不生效。