Windows安装配置CUDA12.5_torch-2.3.1

搞大模型往往都需要GPU加速，本次在家里的PC上安装CUDA来实现GPU加速。

一、环境准备

操作系统：Windows11 23H2

GPU：RTX 4070 Ti Super

显卡驱动：555.99 （NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA）

注意：尽量安装Studio版本的驱动（否则需要在安装过程中取消很多组件的安装） 

（可选）尽量已安装Visual Studio，笔者安装的是Visual Studio 2022 （不赘述）。

二、安装CUDA

1. 查看当前的英伟达显卡驱动版本

按Win+R，输入cmd，在命令行中输入 nvidia-smi，即可查看显卡驱动版本

本机的显卡驱动版本为555.99。

在1. CUDA 12.5 Release Notes — Release Notes 12.5 documentation 中查看适合当前显卡驱动版本对应的CUDA版本

本机的显卡驱动版本为555.99，因此可以安装CUDA 12.5。

若你的显卡驱动版本较低，又想装高版本CUDA，需要对显卡驱动进行升级。

在英伟达官网上下载CUDA，地址：

https://developer.nvidia.com/cuda-toolkit-archive

选择相应的系统、架构、系统版本、以及安装模式，点击download进行下载。

下载完成后双击安装即可（安装过程中大部分可以保持默认设置，直接下一步）。

提取安装文件的临时存放位置，保持默认，点击OK

选择【精简】或【自定义】均可，建议选【自定义】

】

安装位置可以点击浏览自选

安装完毕

测试CUDA是否安装成功，重新打开命令行，切换到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\extras\demo_suite下，运行bandwidthTest.exe测试程序，看结果是否为“PASS”（成功）。

三、安装cuDNN

下载合适的cuDNN版本，下载地址：https://developer.nvidia.com/rdp/cudnn-archive

选择：Download cuDNN v8.9.7 (December 5th, 2023), for CUDA 12.x下的Windows压缩包进行下载。注意下载时要注册账号。

下载完成直接解压，将其中的这三个文件夹复制到CUDA安装路径（默认路径C:\Program Files\NVlDlA GPU Computing Toolkit\CUDA\v12.5）下对应的文件夹，与原先同名文件合并。

四、配置环境变量

点击【此电脑】—【右键】—【属性】—【高级系统设置】—【环境变量】，打开环境变量窗口。

找到Path变量并双击，添加指向CUDA Development 安装路径下的 bin文件夹和libnvvp 文件夹（实际安装过程中已自动添加，~~省事）。

重新打开命令行窗口，输入nvcc -V，出现如下信息，表示安装成功。

注：至此安装已结束，网上还有一些教程说需要安装zlib。对于新版本的CUDA来说不需要，且最新的官方安装文档显式Windows下已无需安装zlib。

五、在PyTorch中测试CUDA

安装PyTorch

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

如果网速慢无法下载，直接下载安装包：https://download.pytorch.org/whl/cu121/torch-2.3.1%2Bcu121-cp311-cp311-win_amd64.whl

编写如下Python代码：

# -*- coding: utf-8 -*-
 
import time
import torch
 
 
def torch_cuda():
    # 判断是否有cuda
    print(torch.cuda.is_available())
    # 查看cuda设备数量
    print(torch.cuda.device_count())
    # 查看当前CUDA设备名称
    print(torch.cuda.get_device_name(0))
    # 查看当前CUDA使用详情
    print(torch.cuda.memory_summary())
 
    # 使用cuda进行矩阵乘法
    start_time1 = time.time()
    x = torch.randn(20000, 20000).to("cuda")
    y = torch.randn(20000, 20000).to("cuda")
    z = torch.matmul(x, y)
    end_time1 = time.time()
    print("Time1 (With CUDA): ", end_time1 - start_time1)
 
    # 不使用cuda进行矩阵乘法
    start_time2 = time.time()
    xx = torch.randn(20000, 20000)
    yy = torch.randn(20000, 20000)
    zz = torch.matmul(xx, yy)
    end_time2 = time.time()
    print("Time2 (Without CUDA): ", end_time2 - start_time2)
 
 
if __name__ == '__main__':
    torch_cuda()

结果如下：

有CUDA加速的情况下，20000*20000的矩阵乘法耗时降为原先的1/8。

六、常见问题

CUDA安装失败

解决方案：再重新运行CUDA安装包，安装模式选【自定义】，然后取消相关失败的组件即可。

参考：

Installing cuDNN on Windows — NVIDIA cuDNN v9.2.0 documentation

Installation Guide :: NVIDIA cuDNN Documentation

CUDA超详细安装教程（windows版）_windows安装cuda-CSDN博客