Com instal·lar CUDA a Windows sense errors: guia per a desenvolupadors i creadors

Instal·lar CUDA a Windows no ha de ser un mal de cap si saps per on començar i què revisar a cada pas. En aquest article et guio de forma pràctica, amb tots els matisos de compatibilitat, instal·lació, verificació i solucions de problemes habituals perquè el toolkit funcioni a la primera al teu equip.

A més de cobrir la instal·lació clàssica del Toolkit a Windows, també veuràs com fer servir CUDA amb WSL, instal·lar-lo amb Conda o pip, compilar exemples amb Visual Studio i entendre els diferents models de controlador de NVIDIA a Windows. La informació està unificada i actualitzada prenent com a base les guies oficials i escenaris reals que us poden passar, com el d'un portàtil amb GPU híbrida AMD iGPU + NVIDIA dGPU.

Què és CUDA i què t'aporta a Windows

CUDA és la plataforma i model de programació paral·lela de NVIDIA que permet accelerar aplicacions amb la GPU, des de IA i ciència de dades fins a simulacions i processament d'imatge. A nivell pràctic, instal·lar el CUDA Toolkit a Windows t'aporta el compilador nvcc, runtime, biblioteques com cuBLAS, cuFFT, cuRAND o cuSOLVER, eines de depuració i perfils, i exemples llestos per compilar.

El disseny de CUDA facilita que barregis CPU i GPU a la mateixa aplicació: les parts serials al processador i les seccions paral·leles a la GPU, que aporta centenars o milers de fils executant-se en paral·lel. Gràcies a memòria compartida amb xip ia biblioteques optimitzades, el salt de rendiment en càrregues intensives sol ser notable.

Compatibilitat de sistemes i compiladors a Windows

Abans de tocar l'instal·lador convé comprovar la compatibilitat. Windows compatibles en versions recents del toolkit inclouen: Windows 11 24H2, 23H2 i 22H2-SV2; Windows 10 22H2; i Windows Server 2022 i 2025.

En compiladors, el suport típic inclou MSVC 193x amb Visual Studio 2022 17.x i MSVC 192x amb Visual Studio 2019 16.x, amb dialectes C++11, C++14, C++17 i C++20 (segons versió). Visual Studio 2015 va quedar deprecat a CUDA 11.1; VS 2017 es va deprecar a 12.5 i s'elimina a 13.0. Revisa la matriu exacta de la teva versió per evitar ensurts.

Important per a projectes heretats: des de CUDA 12.0 es retira la compilació a 32 bits, i l'execució de binaris x86 de 32 bits en sistemes x64 queda limitada al driver, cudart i math a GPUs GeForce fins a l'arquitectura Ada; Hopper ja no suporta 32 bits.

Triar i instal·lar el Toolkit al Windows

Descarrega l'instal·lador des de la pàgina oficial de NVIDIA CUDA. Pots optar per Network Installer (descàrrega mínima que estira internet per a la resta) o Full Installer (tot en un únic paquet, útil per a màquines sense xarxa o desplegaments empresarials). Després de baixar, verifica la integritat amb el checksum (per exemple MD5) per descartar corrupció.

Executeu l'instal·lador gràfic i seguiu els passos en pantalla. Llegeix les Release Notes de la teva versió perquè s'hi detallen canvis, compatibilitats exactes i avisos crítics. A partir de CUDA 13, l'instal·lador del Toolkit ja no inclou el driver: el controlador de NVIDIA s'instal·la a part des de la pàgina de drivers corresponent.

Instal·lació silenciosa i selecció de components

Si necessiteu desplegar en silenci, l'instal·lador accepta el mode sense interfície amb l'opció -si permet seleccionar subpaquets concrets per nom en lloc d'instal·lar-ho tot. També podeu evitar el reinici automàtic amb -n. Aquesta granularitat és útil per personalitzar entorns de build i reduir empremta.

Entre els subpaquets habituals trobaràs peces com nvcc, cudart, cuBLES, cuFFT, cuRAND, cuSOLVER, cuSPARSE, Nsight Compute, Nsight Systems, integració amb Visual Studio, NVRTC, NVTX, NVJitLink, demanglers i utilitats com cuobjdump o nvdisasm. Si compilaràs i perfilaràs, tria les eines Nsight; si només executes, potser en tinc prou el runtime.

Extreure l'instal·lador i revisar-ne el contingut

Per a auditoria o empaquetat corporatiu, l'instal·lador complet es pot extreure amb eines que suportin LZMA com 7-Zip o WinZip. Trobareu l'arbre CUDAToolkit i els mòduls d'integració de Visual Studio a carpetes separades. Els fitxers .dll i .nvi d'aquestes carpetes no formen part del contingut instal·lable.

Instal·lar CUDA a Windows amb Comta

Si preferiu gestionar l'entorn amb Conda, NVIDIA publica paquets a anaconda.org/nvidia. Una instal·lació base del Toolkit es fa amb una única ordre comta install, i també pots fixar versions anteriors afegint l'etiqueta de release, per exemple per clavar una 11.3.1. La desinstal és igual de directa.

Instal·lar CUDA via pip (wheels)

NVIDIA ofereix rodes de Python enfocades a temps dexecució de CUDA per a Windows. Estan pensades principalment per utilitzar CUDA amb Python i no inclouen les eines de desenvolupament completes. Primer instal·la nvidia-pyindex perquè pip conegui l'índex de NVIDIA NGC i assegura't de tenir pip i setuptools actualitzats per evitar errors. Després instal·la els metapaquets que necessitis, com nvidia-cuda-runtime-cu12 o nvidia-cublas-cu12.

Aquests metapaquets apunten a paquets concrets com nvidia-cublas-cu129, nvidia-cuda-nvrtc-cu129, nvidia-npp-cu129 i altres. Recordeu que l'entorn el gestiona pip: si vols fer servir CUDA fora del virtualenv, hauràs d'ajustar rutes i variables del sistema per enllaçar correctament.

Verificar la instal·lació a Windows

Obre un símbol del sistema i executa nvcc -V per confirmar la versió instal·lada. Clona els CUDA Samples des de GitHub i compila els exemples amb Visual Studio. Executa deviceQuery i bandwidthTest: si hi ha comunicació correcta amb la GPU, veuràs el dispositiu detectat i les proves passant sense errors. Si deviceQuery no troba dispositius, revisa el driver i que la GPU estigui visible al sistema.

WSL amb acceleració CUDA

Windows 11 i les últimes de Windows 10 suporten executar frameworks i eines de ML accelerades per CUDA dins de WSL, incloent-hi PyTorch, TensorFlow i Docker amb NVIDIA Container Toolkit. Primer instal·la el driver habilitat per a CUDA a WSL, després habilita WSL i instal·la una distro glibc com Ubuntu o Debian.

Assegureu-vos de tenir un nucli de WSL actualitzat (mínim 5.10.43.3). Comprova-ho amb wsl cat /proc/version des de PowerShell. Després segueix la guia d'usuari de CUDA a WSL per instal·lar llibreries i contenidors i començar a executar els teus fluxos de treball Linux a Windows sense sortir del teu entorn.

Desinstal·lar CUDA a Windows

Després d'instal·lar CUDA a Windows vols fer marxa enrere? Tots els subpaquets poden desinstal·lar-se des de Panell de control usant Programes i característiques. Si gestioneu el toolkit amb Conda o pip, utilitzeu els mecanismes de desinstal·lació de cada gestor per evitar restes de paquets.

Notes de compatibilitat per versions

CUDA 11.8 va ser un release molt popular per estabilitat i suport d'ecosistema. Requisits típics per a 11.8: GPU amb Compute Capability 3.0 o superior, 64 bits, mínim 8 GB de RAM i almenys 4 GB de memòria a la GPU. A Linux, integra bé amb distribucions com Ubuntu 18.04/20.04, RHEL/CentOS 7/8, etc.

CUDA 12.x introdueix millores en runtime i biblioteques i empeny dependències de driver més recents. CUDA 13 separa de manera definitiva el driver de l'instal·lador del Toolkit: recorda instal·lar el controlador pel teu compte. aclariment important: CUDA és tecnologia de NVIDIA i requereix GPU NVIDIA; si veus en algun lloc que també és compatible amb GPU AMD, això no és correcte per al stack CUDA.

Instal·lar CUDA a Windows: Solució de problemes freqüents

• L'instal·lador falla o es queda a mitges: consulta els logs de l'instal·lador i comprova antivirus, espai de disc i permisos d'admin. Reintenta amb Full Installer si la xarxa és inestable o de manera silenciosa si hi ha conflictes amb UI.
• deviceQuery no detecta la GPU: revisa que el driver estigui correcte, que la GPU estigui activa i que l'app faci servir la dGPU. Actualitza el driver i reinstal·la el Toolkit si cal.
• Conflictes amb llibreries: si tens múltiples toolkits instal·lats, valida CUDA_PATH i PATH. A Python, revisa que les rodes i les versions de PyTorch o TensorFlow siguin coherents amb la teva versió de CUDA/cuDNN.
• Visual Studio no compila .cu: afegeix les Build Customizations de CUDA al projecte i marca els fitxers .cu com a CUDA C/C++. Verifica que el MSVC és compatible amb el vostre toolkit.

Eines, mostres i documentació

A més de nvcc i les biblioteques, el Toolkit per instal·lar CUDA al Windows porta perfils i analitzadors com Nsight Systems i Nsight Compute, i documentació HTML/PDF del llenguatge CUDA C++ i millors pràctiques. Els exemples oficials són a GitHub i són una excel·lent base per validar drivers, rendiment de memòria i multiprocessadors.

Quan fer servir Comta o pip davant l'instal·lador clàssic

Conda i pip són ideals quan el teu focus és executar frameworks de ML que ja empaqueten dependències coherents amb versions concretes de CUDA. Avantatge: aïllament per entorn i menor fricció. Inconvenient: per a desenvolupament nadiu en C++ o integració completa amb VS, l'instal·lador clàssic del Toolkit ofereix totes les eines i lexperiència més rodona.

FAQ ràpida

• Com saber si el meu GPU és compatible amb CUDA? Obre l'Administrador de dispositius a Adaptadors de pantalla i verifica el model; compara-ho amb la llista oficial de CUDA GPUs de NVIDIA. També pots executar nvidia-smi i confirmar que apareix el teu GPU.
• Puc entrenar sense CUDA? Sí, a CPU, però serà més lent. Per utilitzar la GPU amb PyTorch o TensorFlow al Windows, assegureu-vos d'instal·lar les builds compatibles amb la teva versió de CUDA o utilitza WSL amb contenidors NVIDIA.
• Versions antigues específiques: hi ha eines que requereixen combinacions com CUDA 10.1 amb cuDNN 7.6.4. En aquest cas, instal·la exactament aquestes versions i col·loca la DLL de cuDNN a la carpeta bin del toolkit corresponent, evitant tenir múltiples cuDNN alhora.

Si el que busques és instal·lar CUDA a Windows i accelerar la teva feina amb una guia completa, els passos i recomanacions anteriors t'ajudaran perquè tot encaix com un guant des del primer build.