文章目录

• (一) 安装cuda11.8
• • 1）先确定cuda 版本
  • 2) 安装cuda 11.8,因为torch2.0 目前只支持cuda11.7 和cuda 11.8
  • 3) 安装cudnn
  • 4) 验证
• (二) 安装pytorch2.0

(一) 安装cuda11.8

1）先确定cuda 版本

nvcc -V 

为了不污染现有开发环境，创建新的conda环境，这里我选择Python3.11版本

2) 安装cuda 11.8,因为torch2.0 目前只支持cuda11.7 和cuda 11.8

cuda 下载链接：cuda

去archve下找到11.8的版本

直接安装，首先提取在temp目录

安装好cuda后，会提示重启。重启完成后，安装成功。

cuda安装好之后，会新建两个环境变量CUDA_PATH以及CUDA_PATH_V11_8：

3) 安装cudnn

安装cuDNN，链接https://developer.nvidia.com/rdp/cudnn-download：

找到对应这cuda 11.x window版本的cudnn

下载完成后，将压缩包解压，然后找到bin、include、lib文件夹：

复制到cuda的安装目录11.8`下：

这时候要检查系统的path变量中是否有以下的路径：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp

4) 验证

1. cuda 验证

现在验证cuda和cudnn是否是正常的，需要使用cuda的deviceQuery.exe 和 bandwidthTest.exe进行验证，在powershell里进入，输入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite，然后输入：

.\bandwidthTest.exe:


.\deviceQuery.exe:

(二) 安装pytorch2.0

安装指令：

pip3 install numpy --pre torch --force-reinstall --index-url https://download.pytorch.org/whl/nightly/cu118

也可以使用本地安装包：

下载地址：

链接：点这里
提取码：ycsm