Cara menginstal CUDA di Windows tanpa kesalahan: panduan untuk pengembang dan pembuat

Menginstal CUDA di Windows Tidak perlu pusing jika Anda tahu di mana memulainya dan apa saja yang harus diperiksa di setiap langkah. Dalam artikel ini saya akan memandu Anda dengan cara yang praktis, dengan semua nuansa kompatibilitas, instalasi, verifikasi, dan pemecahan masalah umum untuk memastikan toolkit berfungsi sempurna di komputer Anda sejak pertama kali.

Selain membahas instalasi Toolkit klasik di Windows, Anda juga akan melihat cara menggunakan CUDA dengan WSL, menginstalnya dengan Conda atau pip, mengompilasi contoh dengan Visual Studio, dan memahami berbagai model driver NVIDIA di Windows. Informasinya terpadu dan terkini. Berdasarkan panduan resmi dan skenario kehidupan nyata yang mungkin terjadi pada Anda, seperti laptop dengan GPU hybrid AMD iGPU + NVIDIA dGPU.

Apa itu CUDA dan apa yang ditawarkannya di Windows?

CUDA Ini adalah platform dan model pemrograman paralel NVIDIA yang memungkinkan mempercepat aplikasi dengan GPUDari AI dan ilmu data hingga simulasi dan pemrosesan gambar. Secara praktis, menginstal CUDA Toolkit di Windows akan memberi Anda kompiler nvcc, runtime, pustaka seperti cuBLAS, cuFFT, cuRAND, dan cuSOLVER, alat debugging dan pembuatan profil, serta contoh yang siap dikompilasi.

Desain CUDA memudahkan pencampuran CPU dan GPU dalam aplikasi yang sama: bagian-bagiannya serial di prosesor dan bagian paralel pada GPU, yang menyediakan ratusan atau ribuan utas yang berjalan secara paralel. Berkat memori on-chip bersama dan pustaka yang dioptimalkan, lompatan kinerja Biasanya hal ini terlihat pada beban yang intensif.

Kompatibilitas sistem dan kompiler di Windows

Sebelum menggunakan penginstal, disarankan untuk memeriksa kompatibilitas. Windows yang kompatibel Versi terbaru dari toolkit ini meliputi: Windows 11 24H2, 23H2 dan 22H2-SV2; Windows 10 22H2; dan Windows Server 2022 dan 2025.

Dalam kompiler, dukungan tipikal meliputi MSVC 193x dengan Visual Studio 2022 17.x dan MSVC 192x dengan Visual Studio 2019 16.x, dengan dialek C++11, C++14, C++17, dan C++20 (tergantung versinya). Visual Studio 2015 tidak digunakan lagi di CUDA 11.1; VS 2017 tidak digunakan lagi di 12.5 dan dihapus di 13.0. Periksa matriks yang tepat dari versi Anda untuk menghindari ketakutan.

Penting untuk proyek lama: Dimulai dengan CUDA 12.0, kompilasi 32-bit dihapus, dan eksekusi biner x86 32-bit pada sistem x64 dibatasi pada pengemudi, liter dan matematika pada GPU GeForce hingga arsitektur Ada; Hopper tidak lagi mendukung 32 bit.

Pilih dan instal Toolkit di Windows

Unduh penginstal dari situs web resmi NVIDIA CUDA. Anda dapat memilih Penginstal Jaringan (download minimal yang menggunakan internet untuk sisanya) atau Installer Penuh (semua dalam satu paket, berguna untuk mesin tanpa jaringan atau penerapan perusahaan). Setelah mengunduh, verifikasi integritas dengan checksum (misalnya, MD5) untuk memastikan tidak ada kerusakan.

Jalankan penginstal grafis dan ikuti langkah-langkah di layar. Baca Catatan Rilis untuk versi Anda karena berisi detail perubahan, kompatibilitas yang tepat, dan peringatan kritis. Mulai CUDA 13, penginstal Toolkit tidak lagi menyertakan driver. Driver NVIDIA diinstal secara terpisah. dari halaman driver terkait.

Instalasi senyap dan pemilihan komponen

Jika Anda perlu melakukan penyebaran secara diam-diam, penginstal menerima mode tanpa antarmuka dengan opsi -s dan mengizinkan pilih subpaket tertentu berdasarkan nama, alih-alih menginstal semuanya. Anda juga dapat mencegah restart otomatis dengan -n. Granularitas ini berguna untuk menyesuaikan lingkungan build dan mengurangi jejak Anda.

Di antara subpaket biasa Anda akan menemukan item seperti nvcc, cudart, cuBLAS, cuFFT, cuRAND, cuSOLVER, cuSPARSENsight Compute, Nsight Systems, integrasi Visual Studio, NVRTC, NVTX, NVJitLink, demangler, dan utilitas seperti cuobjdump atau nvdisasm. Jika Anda akan mengompilasi dan membuat profil, pilih alat NsightJika Anda hanya menjalankannya, waktu proses mungkin sudah cukup.

Ekstrak penginstal dan tinjau isinya

Untuk audit atau pengemasan perusahaan, penginstal lengkap dapat diekstraksi menggunakan alat pendukung LZMA seperti 7-Zip atau WinZip. Anda akan menemukan pohon dan modul CUDAToolkit File integrasi Visual Studio ditempatkan dalam folder terpisah. File .dll dan .nvi dalam folder tersebut bukan bagian dari konten yang dapat diinstal.

Instal CUDA di Windows dengan Conda

Jika Anda lebih suka mengelola lingkungan dengan Conda, NVIDIA menerbitkan paket di anaconda.org/nvidia. Instalasi dasar Toolkit Ini dilakukan dengan satu perintah, `conda install`, dan Anda juga dapat memperbaiki versi sebelumnya dengan menambahkan tag `release`, misalnya, untuk mengunci versi 11.3.1. uninstall Itu sama langsungnya.

Instal CUDA melalui pip (roda)

NVIDIA menawarkan roda Python yang berfokus pada runtime CUDA untuk Windows. Roda ini terutama ditujukan untuk menggunakan CUDA dengan Python dan mereka tidak menyertakan alat pengembangan lengkap. Pertama, instal nvidia-pyindex agar pip mengetahui indeks NVIDIA NGC, dan pastikan Anda telah memperbarui pip dan setuptools untuk menghindari kesalahan. Kemudian instal metapackages yang Anda butuhkan, seperti nvidia-cuda-runtime-cu12 atau nvidia-cublas-cu12.

Metapaket ini menargetkan paket tertentu seperti nvidia-cublas-cu129, nvidia-cuda-nvrtc-cu129, nvidia-npp-cu129, dan lainnya. Ingat bahwa lingkungan dikelola oleh pip.Jika Anda ingin menggunakan CUDA di luar virtualenv, Anda perlu menyesuaikan jalur dan variabel sistem agar terhubung dengan benar.

Verifikasi instalasi pada Windows

Buka prompt perintah dan jalankan nvcc -V untuk mengonfirmasi versi yang terinstal. Kloning Sampel CUDA Unduh contoh dari GitHub dan kompilasi dengan Visual Studio. Jalankan deviceQuery dan bandwidthTest: jika komunikasi dengan GPU berhasil, Anda akan melihat perangkat terdeteksi dan lulus ujian Tidak ada kesalahan. Jika deviceQuery tidak menemukan perangkat, periksa driver dan pastikan GPU terlihat di sistem.

WSL dengan akselerasi CUDA

Windows 11 dan versi terbaru Windows 10 mendukung menjalankan kerangka kerja dan alat ML yang dipercepat CUDA dalam WSL, termasuk PyTorch, TensorFlow dan Docker Dengan menggunakan NVIDIA Container Toolkit, pertama-tama instal driver yang mendukung CUDA di WSL, lalu aktifkan WSL dan instal distribusi glibc seperti Ubuntu atau Debian.

Pastikan Anda memiliki kernel WSL yang diperbarui (minimal 5.10.43.3). Coba lihat dengan Gunakan `wsl cat /proc/version` dari PowerShell. Kemudian, ikuti panduan pengguna CUDA di WSL untuk menginstal pustaka dan kontainer, lalu mulai menjalankan alur kerja Linux Anda di Windows tanpa meninggalkan lingkungan Anda.

Copot pemasangan CUDA di Windows

Setelah menginstal CUDA di Windows, apakah Anda ingin kembali ke versi sebelumnya? Semua subpaket dapat dikembalikan. Copot pemasangan dari Panel Kontrol Menggunakan Program dan Fitur. Jika Anda mengelola toolkit dengan Conda atau pip, gunakan mekanisme penghapusan instalasi masing-masing pengelola untuk menghindari sisa paket.

Catatan kompatibilitas versi

CUDA 11.8 adalah rilis yang sangat populer karena stabilitas dan dukungan ekosistemnya. Persyaratan umum Untuk 11.8: GPU dengan Compute Capability 3.0 atau lebih tinggi, 64-bit, RAM minimal 8 GB, dan memori GPU minimal 4 GB. Di Linux, terintegrasi dengan baik dengan distribusi seperti Ubuntu 18.04/20.04, RHEL/CentOS 7/8, dll.

CUDA 12.x memperkenalkan peningkatan runtime dan library serta mendorong dependensi driver terbaruCUDA 13 secara permanen memisahkan driver dari penginstal Toolkit: ingatlah untuk menginstal driver sendiri. Klarifikasi pentingCUDA adalah teknologi NVIDIA dan memerlukan GPU NVIDIA; jika Anda melihat di mana saja bahwa teknologi ini juga kompatibel dengan GPU AMD, itu tidak benar untuk tumpukan CUDA.

Menginstal CUDA di Windows: Mengatasi Masalah Umum

• Penginstal gagal atau tidak menyelesaikan pekerjaan.Periksa log penginstal dan verifikasi antivirus, ruang disk, dan izin admin Anda. Coba lagi dengan Penginstal Lengkap jika jaringan tidak stabil, atau dalam mode senyap jika terjadi konflik UI.
• deviceQuery tidak mendeteksi GPUPastikan driver sudah benar, GPU aktif, dan aplikasi menggunakan dGPU. Perbarui driver dan instal ulang Toolkit jika perlu.
• Konflik dengan toko bukuJika Anda memiliki beberapa toolkit yang terpasang, validasi CUDA_PATH dan PATH. Untuk Python, periksa apakah versi PyTorch atau TensorFlow dan konfigurasinya kompatibel dengan versi CUDA/cuDNN Anda.
• Visual Studio tidak mengkompilasi .cuTambahkan Kustomisasi Build CUDA ke proyek Anda dan tandai file .cu sebagai CUDA C/C++. Pastikan MSVC kompatibel dengan toolkit Anda.

Alat, sampel dan dokumentasi

Selain nvcc dan pustaka, Toolkit untuk menginstal CUDA di Windows mencakup profil dan penganalisis seperti Nsight Systems dan Nsight Compute, dan dokumentasi HTML/PDF untuk bahasa CUDA C++ dan praktik yang lebih baikContoh resmi ada di GitHub dan merupakan dasar yang sangat baik untuk memvalidasi driver, kinerja memori, dan multiprosesor.

Kapan harus menggunakan Conda atau pip dibandingkan dengan penginstal klasik

Conda dan pip ideal jika fokus Anda adalah menjalankan kerangka kerja ML yang sudah mengemas dependensi yang konsisten dengan versi CUDA tertentu. KeuntunganIsolasi lingkungan dan lebih sedikit gesekan. Kekurangan: Untuk pengembangan C++ asli atau integrasi penuh dengan VS, penginstal Toolkit klasik menawarkan semua alat dan pengalaman yang paling lengkap.

FAQ Singkat

• Bagaimana saya tahu apakah GPU saya kompatibel dengan CUDA? Buka Pengelola Perangkat, buka Adaptor Tampilan, dan periksa modelnya; bandingkan dengan daftar resmi GPU CUDA NVIDIA. Anda juga dapat menjalankan nvidia-smi dan mengonfirmasi bahwa GPU Anda muncul.
• Bisakah saya berlatih tanpa CUDA? Ya, ini akan berfungsi pada CPU, tetapi akan lebih lambat. Untuk menggunakan GPU dengan PyTorch atau TensorFlow di Windows, pastikan Anda menginstal build yang kompatibel dengan versi CUDA Anda atau gunakan WSL dengan kontainer NVIDIA.
• Versi lama tertentuBeberapa alat memerlukan kombinasi seperti CUDA 10.1 dengan cuDNN 7.6.4. Jika demikian, instal versi yang tepat tersebut dan tempatkan DLL dari cuDNN dalam folder bin dari toolkit yang sesuai, sehingga menghindari adanya beberapa cuDNN pada saat yang bersamaan.

Jika Anda ingin menginstal CUDA di Windows dan mempercepat pekerjaan Anda dengan panduan lengkap, langkah-langkah dan rekomendasi di atas akan membantu Anda menyelesaikan semuanya. Cocok sekali. dari bangunan pertama.