Wie man CUDA unter Windows fehlerfrei installiert: Ein Leitfaden für Entwickler und Kreative

CUDA unter Windows installieren Es muss kein Problem sein, wenn man weiß, wo man anfangen soll und was man bei jedem Schritt überprüfen muss. In diesem Artikel werde ich Ihnen eine praktische Anleitung geben., mit allen Nuancen der Kompatibilität, Installation, Überprüfung und gängigen Fehlerbehebung, um sicherzustellen, dass das Toolkit auf Ihrem Computer beim ersten Mal einwandfrei funktioniert.

Zusätzlich zur Beschreibung der klassischen Toolkit-Installation unter Windows erfahren Sie auch, wie Sie CUDA mit WSL verwenden, es mit Conda oder pip installieren, Beispiele mit Visual Studio kompilieren und die verschiedenen NVIDIA-Treibermodelle unter Windows verstehen. Die Informationen sind einheitlich und aktuell. Basierend auf offiziellen Anleitungen und realen Szenarien, die Ihnen begegnen könnten, wie z. B. einem Laptop mit einer hybriden AMD iGPU + NVIDIA dGPU GPU.

Was ist CUDA und was bietet es unter Windows?

CUDA Es ist NVIDIAs Plattform und Modell für parallele Programmierung, die dies ermöglicht. Anwendungen mit der GPU beschleunigenVon KI und Data Science bis hin zu Simulationen und Bildverarbeitung. Ganz praktisch gesehen bietet die Installation des CUDA Toolkits unter Windows den nvcc-Compiler, die Laufzeitumgebung, Bibliotheken wie cuBLAS, cuFFT, cuRAND und cuSOLVER, Debugging- und Profiling-Tools sowie sofort kompilierbare Beispiele.

Das CUDA-Design ermöglicht die einfache Kombination von CPU und GPU in derselben Anwendung: die Teile serielle Schnittstellen im Prozessor und die parallelen Abschnitte der GPU, die Hunderte oder Tausende von Threads parallel ausführen. Dank gemeinsam genutztem On-Chip-Speicher und optimierten Bibliotheken der Leistungssprung Es macht sich üblicherweise bei starker Belastung bemerkbar.

System- und Compilerkompatibilität in Windows

Vor der Verwendung des Installationsprogramms empfiehlt es sich, die Kompatibilität zu überprüfen. Kompatibles Windows Zu den neueren Versionen des Toolkits gehören: Windows 11 24H2, 23H2 und 22H2-SV2; Windows 10 22H2; und Windows Server 2022 und 2025.

In Compilern umfasst die typische Unterstützung Folgendes: MSVC 193x mit Visual Studio 2022 17.x und MSVC 192x mit Visual Studio 2019 16.x, mit C++11-, C++14-, C++17- und C++20-Dialekten (versionsabhängig). Visual Studio 2015 wurde in CUDA 11.1 als veraltet eingestuft; VS 2017 wurde in Version 12.5 als veraltet eingestuft und in Version 13.0 entfernt. Überprüfen Sie die genaue Matrix Ihrer Version. Angst zu vermeiden.

Wichtig für ältere Projekte: Ab CUDA 12.0 wird die 32-Bit-Kompilierung entfernt, und die Ausführung von 32-Bit-x86-Binärdateien auf x64-Systemen ist beschränkt auf Fahrer, Quart und Mathematik auf GeForce GPUs bis zur Ada-Architektur; Hopper unterstützt keine 32 Bit mehr.

Wählen Sie das Toolkit aus und installieren Sie es unter Windows.

Laden Sie das Installationsprogramm von der offiziellen NVIDIA CUDA-Website herunter. Sie können den Netzwerk-Installer auswählen. (minimaler Download, der für den Rest eine Internetverbindung nutzt) oder vollständiges Installationsprogramm (alles in einem einzigen Paket, nützlich für Maschinen ohne Netzwerk (oder Unternehmenseinsätze). Überprüfen Sie nach dem Herunterladen die Integrität anhand der Prüfsumme (z. B. MD5), um Beschädigungen auszuschließen.

Starten Sie das grafische Installationsprogramm und folgen Sie den Anweisungen auf dem Bildschirm. Lesen Sie die Versionshinweise für Ihre Version. Denn es enthält detaillierte Informationen zu Änderungen, genauen Kompatibilitäten und wichtigen Warnungen. Ab CUDA 13 ist der Treiber nicht mehr im Toolkit-Installationsprogramm enthalten. Der NVIDIA-Treiber wird separat installiert. von der entsprechenden Treiberseite.

Geräuschlose Installation und Komponentenauswahl

Falls eine unbeaufsichtigte Installation erforderlich ist, akzeptiert das Installationsprogramm den Modus ohne Benutzeroberfläche mit der Option -s und erlaubt dies. bestimmte Unterpakete auswählen Statt alles zu installieren, können Sie die Installationsdateien namentlich auswählen. Mit der Option `-n` lassen sich automatische Neustarts verhindern. Diese detaillierte Auswahl ist nützlich, um Build-Umgebungen anzupassen und den Ressourcenverbrauch zu reduzieren.

Zu den üblichen Unterpaketen gehören beispielsweise folgende Elemente: nvcc, cudart, cuBLAS, cuFFT, cuRAND, cuSOLVER, cuSPARSENsight Compute, Nsight Systems, Visual Studio-Integration, NVRTC, NVTX, NVJitLink, Demangler und Hilfsprogramme wie cuobjdump oder nvdisasm. Wenn Sie kompilieren und profilieren möchten, Wählen Sie die Nsight-Tools ausWenn Sie es nur ausführen, könnte die Laufzeitumgebung ausreichen.

Entpacken Sie die Installationsdatei und überprüfen Sie den Inhalt.

Für Audits oder die unternehmensweite Paketierung kann das vollständige Installationsprogramm mit LZMA-fähigen Tools wie 7-Zip oder WinZip extrahiert werden. Sie finden dort die CUDAToolkit-Struktur und die Module. Die Visual Studio-Integrationsdateien befinden sich in separaten Ordnern. Die .dll- und .nvi-Dateien in diesen Ordnern gehören nicht zum Installationsinhalt selbst.

CUDA unter Windows mit Conda installieren

Falls Sie die Umgebung lieber mit Conda verwalten möchten, veröffentlicht NVIDIA Pakete unter anaconda.org/nvidia. Eine grundlegende Installation des Toolkits Dies geschieht mit einem einzigen Befehl, `conda install`, und Sie können auch frühere Versionen korrigieren, indem Sie das `release`-Tag hinzufügen, um beispielsweise Version 11.3.1 festzulegen. deinstallieren Es ist genauso direkt.

CUDA über pip (wheels) installieren

NVIDIA bietet Python-Wheels für Windows an, die auf die CUDA-Laufzeitumgebung ausgerichtet sind. Sie sind primär für folgende Zwecke gedacht: CUDA mit Python verwenden Sie enthalten nicht die vollständigen Entwicklungswerkzeuge. Installieren Sie zunächst nvidia-pyindex, damit pip den NVIDIA NGC-Index kennt, und stellen Sie sicher, dass pip und setuptools auf dem neuesten Stand sind, um Fehler zu vermeiden. Installieren Sie anschließend die Metapakete. die Sie benötigen, wie zum Beispiel nvidia-cuda-runtime-cu12 oder nvidia-cublas-cu12.

Diese Metapakete zielen auf spezifische Pakete wie nvidia-cublas-cu129, nvidia-cuda-nvrtc-cu129, nvidia-npp-cu129 und andere ab. Denken Sie daran, dass die Umwelt von Pip gesteuert wird.Wenn Sie CUDA außerhalb der virtuellen Umgebung verwenden möchten, müssen Sie die Systempfade und -variablen anpassen, um eine korrekte Verknüpfung herzustellen.

Überprüfen Sie die Installation unter Windows.

Öffnen Sie eine Eingabeaufforderung und führen Sie nvcc -V aus, um die installierte Version zu überprüfen. Klonen Sie die CUDA-Beispiele Laden Sie die Beispiele von GitHub herunter und kompilieren Sie sie mit Visual Studio. Führen Sie deviceQuery und bandwidthTest aus: Bei erfolgreicher Kommunikation mit der GPU wird das Gerät erkannt. die Prüfungen bestehen Es liegen keine Fehler vor. Falls deviceQuery keine Geräte findet, überprüfen Sie den Treiber und ob die GPU im System erkannt wird.

WSL mit CUDA-Beschleunigung

Windows 11 und die neuesten Versionen von Windows 10 unterstützen die Ausführung von CUDA-beschleunigten ML-Frameworks und -Tools innerhalb von WSL, einschließlich PyTorch, TensorFlow und Docker Mit dem NVIDIA Container Toolkit installieren Sie zuerst den CUDA-fähigen Treiber in WSL, aktivieren dann WSL und installieren eine glibc-Distribution wie Ubuntu oder Debian.

Stellen Sie sicher, dass Sie einen aktuellen WSL-Kernel verwenden (mindestens Version 5.10.43.3). Schau es dir an mit Verwenden Sie `wsl cat /proc/version` in PowerShell. Folgen Sie anschließend der CUDA-Benutzeranleitung in WSL, um Bibliotheken und Container zu installieren und Ihre Linux-Workflows unter Windows auszuführen, ohne Ihre gewohnte Umgebung zu verlassen.

CUDA unter Windows deinstallieren

Nach der Installation von CUDA unter Windows: Möchten Sie zur vorherigen Version zurückkehren? Alle Unterpakete können zurückgesetzt werden. Deinstallieren über die Systemsteuerung Nutzung von Programmen und Funktionen. Wenn Sie das Toolkit mit Conda oder pip verwalten, verwenden Sie die jeweiligen Deinstallationsmechanismen der Manager, um zu vermeiden, dass Paketreste zurückbleiben.

Hinweise zur Versionskompatibilität

CUDA 11.8 war aufgrund seiner Stabilität und der umfassenden Unterstützung des Ökosystems eine sehr beliebte Version. Typische Anforderungen Für Version 11.8: GPU mit Compute Capability 3.0 oder höher, 64-Bit, mindestens 8 GB RAM und mindestens 4 GB GPU-Speicher. Unter Linux integriert es sich gut in Distributionen wie Ubuntu 18.04/20.04, RHEL/CentOS 7/8 usw.

CUDA 12.x führt Laufzeit- und Bibliotheksverbesserungen ein und verschiebt Abhängigkeiten von neueste TreiberCUDA 13 trennt den Treiber dauerhaft vom Toolkit-Installer: Denken Sie daran, den Treiber selbst zu installieren. Wichtige KlarstellungCUDA ist eine NVIDIA-Technologie und erfordert NVIDIA-GPUs; falls Sie irgendwo lesen, dass sie auch mit AMD-GPUs kompatibel ist, ist das für den CUDA-Stack nicht korrekt.

CUDA unter Windows installieren: Häufige Probleme beheben

• Das Installationsprogramm schlägt fehl oder schließt den Vorgang nicht ab.Überprüfen Sie die Installationsprotokolle und vergewissern Sie sich, dass Ihr Virenschutzprogramm, der verfügbare Speicherplatz und Ihre Administratorrechte vorhanden sind. Versuchen Sie es erneut mit dem vollständigen Installationsprogramm, falls die Netzwerkverbindung instabil ist, oder im unbeaufsichtigten Modus, falls Konflikte mit der Benutzeroberfläche auftreten.
• deviceQuery erkennt die GPU nicht.Prüfen Sie, ob der Treiber korrekt ist, die GPU aktiv ist und die Anwendung die dedizierte GPU (dGPU) verwendet. Aktualisieren Sie gegebenenfalls den Treiber und installieren Sie das Toolkit neu.
• Konflikte mit BuchhandlungenFalls mehrere Toolkits installiert sind, überprüfen Sie CUDA_PATH und PATH. Stellen Sie in Python sicher, dass die PyTorch- oder TensorFlow-Versionen und deren Konfigurationen mit Ihrer CUDA/cuDNN-Version kompatibel sind.
• Visual Studio kompiliert die .cu-Datei nicht.Fügen Sie die CUDA-Build-Anpassungen zu Ihrem Projekt hinzu und kennzeichnen Sie die .cu-Dateien als CUDA C/C++. Stellen Sie sicher, dass MSVC mit Ihrem Toolkit kompatibel ist.

Werkzeuge, Beispiele und Dokumentation

Zusätzlich zu nvcc und den Bibliotheken enthält das Toolkit zur Installation von CUDA unter Windows Profile und Analysetools wie Nsight Systems und Nsight Compute sowie eine HTML/PDF-Dokumentation für die CUDA C++-Sprache und Best PracticesDie offiziellen Beispiele befinden sich auf GitHub und bilden eine hervorragende Grundlage für die Validierung von Treibern, Speicherleistung und Multiprozessoren.

Wann sollte man Conda oder pip anstelle des klassischen Installationsprogramms verwenden?

Conda und pip sind ideal, wenn Ihr Fokus auf der Ausführung von ML-Frameworks liegt, die bereits Abhängigkeiten enthalten, die mit bestimmten CUDA-Versionen kompatibel sind. VorteilUmgebungsisolation und weniger Reibungsverlust. Nachteil: Für die native C++-Entwicklung oder die vollständige Integration mit VS bietet der klassische Toolkit-Installer alle Werkzeuge und das umfassendste Erlebnis.

Schnelle FAQ

• Wie kann ich feststellen, ob meine GPU CUDA-kompatibel ist? Öffnen Sie den Geräte-Manager, gehen Sie zu Grafikkarten und überprüfen Sie das Modell. Vergleichen Sie es mit der offiziellen Liste der CUDA-GPUs von NVIDIA. Sie können auch den Befehl `nvidia-smi` ausführen und dies bestätigen. Ihre GPU erscheint.
• Kann ich ohne CUDA trainieren? Ja, es funktioniert auch auf der CPU, ist aber langsamer. Um die GPU mit PyTorch oder TensorFlow unter Windows zu nutzen, stellen Sie sicher, dass Sie Folgendes installieren: kompatible Builds mit Ihrer CUDA-Version oder verwenden Sie WSL mit NVIDIA-Containern.
• Bestimmte ältere VersionenManche Tools benötigen Kombinationen wie CUDA 10.1 mit cuDNN 7.6.4. Installieren Sie in diesem Fall genau diese Versionen und platzieren Sie die DLL von cuDNN im Bin-Ordner des entsprechenden Toolkits, um zu vermeiden, dass mehrere cuDNNs gleichzeitig vorhanden sind.

Wenn Sie CUDA unter Windows installieren und Ihre Arbeit mit einer vollständigen Anleitung beschleunigen möchten, helfen Ihnen die oben genannten Schritte und Empfehlungen dabei, alles zu erledigen. Es passt wie angegossen. von der ersten Version an.