WindowsにCUDAをエラーなくインストールする方法：開発者とクリエイター向けガイド

WindowsにCUDAをインストールする どこから始めればよいか、各ステップで何をチェックすればよいかがわかっていれば、頭を悩ませる必要はありません。 この記事では実践的な方法をご案内します互換性、インストール、検証、一般的なトラブルシューティングのあらゆるニュアンスを網羅し、ツールキットがコンピューターで初めて完璧に動作することを確認します。

Windows での従来の Toolkit のインストールについて説明するほか、WSL で CUDA を使用する方法、Conda または pip を使用して CUDA をインストールする方法、Visual Studio を使用して例をコンパイルする方法、Windows 上のさまざまな NVIDIA ドライバー モデルを理解する方法についても説明します。 情報は統合され、最新のものになっています。 公式ガイドと、ハイブリッド AMD iGPU + NVIDIA dGPU GPU を搭載したラップトップなど、実際に発生する可能性のある実際のシナリオに基づいています。

CUDA とは何ですか? Windows では何を提供しますか?

CUDA NVIDIAの並列プログラミングプラットフォームとモデルにより、 GPUでアプリケーションを高速化するAIやデータサイエンスからシミュレーションや画像処理まで。実用的なレベルでは、WindowsにCUDAツールキットをインストールすると、nvccコンパイラ、ランタイム、cuBLAS、cuFFT、cuRAND、cuSOLVERなどのライブラリ、デバッグおよびプロファイリングツール、そしてすぐにコンパイル可能なサンプルが提供されます。

CUDAの設計により、同じアプリケーションでCPUとGPUを混在させることが容易になります。 プロセッサ内のシリアル GPU上の並列セクションでは、数百、数千のスレッドを並列に実行します。共有オンチップメモリ​​と最適化されたライブラリのおかげで、 パフォーマンスの飛躍 通常、これは集中的な負荷がかかった場合に顕著になります。

Windows におけるシステムとコンパイラの互換性

インストーラーを使用する前に、互換性を確認することをお勧めします。 互換性のあるウィンドウ ツールキットの最新バージョンには、Windows 11 24H2、23H2、22H2-SV2、Windows 10 22H2、Windows Server 2022 および 2025 が含まれます。

コンパイラでは、典型的なサポートには以下が含まれます。 MSVC 193x と Visual Studio 2022 17.x また、Visual Studio 2019 16.x と MSVC 192x は、C++11、C++14、C++17、C++20 方言（バージョンによって異なります）で動作します。Visual Studio 2015 は CUDA 11.1 で非推奨となり、VS 2017 は 12.5 で非推奨となり、13.0 で削除されました。 バージョンの正確なマトリックスを確認してください 恐怖を避けるために。

レガシープロジェクトにとって重要: CUDA 12.0以降、32ビットコンパイルは削除され、x64システムでの32ビットx86バイナリの実行は ドライバー、クォート、数学 Ada アーキテクチャまでの GeForce GPU では、Hopper は 32 ビットをサポートしなくなりました。

Windowsでツールキットを選択してインストールする

NVIDIA CUDA の公式 Web サイトからインストーラーをダウンロードします。 ネットワークインストーラを選択できます （残りはインターネットを使用する最小限のダウンロード）またはフルインストーラ（すべてが1つのパッケージに含まれており、 ネットワークのないマシン またはエンタープライズ展開)。ダウンロード後、チェックサム (MD5 など) を使用して整合性を検証し、破損がないことを確認します。

グラフィカルインストーラーを実行し、画面上の手順に従います。 お使いのバージョンのリリースノートをお読みください 変更点、正確な互換性、重要な警告が詳細に記載されているためです。CUDA 13以降、Toolkitインストーラーにはドライバーが含まれなくなりました。 NVIDIA ドライバーは別途インストールされます。 対応するドライバー ページから。

サイレントインストールとコンポーネントの選択

サイレントに展開する必要がある場合、インストーラは-sオプションでインターフェースレスモードを受け入れ、 特定のサブパッケージを選択する すべてをインストールする代わりに、名前で指定します。また、-n で自動再起動を抑止することもできます。この細分性は、ビルド環境をカスタマイズし、フットプリントを削減するのに役立ちます。

通常のサブパッケージには次のようなものがあります。 nvcc、cudart、cuBLAS、cuFFT、cuRAND、cuSOLVER、cuSPARSENsight Compute、Nsight Systems、Visual Studio統合、NVRTC、NVTX、NVJitLink、デマングラ、cuobjdumpやnvdisasmなどのユーティリティ。コンパイルしてプロファイルする場合は、 Nsightツールを選択する実行するだけなら、ランタイムで十分かもしれません。

インストーラーを解凍して内容を確認する

監査や企業パッケージングの場合、7-Zip や WinZip などの LZMA 対応ツールを使用して完全なインストーラーを抽出できます。 CUDAToolkitツリーとモジュールが見つかります Visual Studio 統合ファイルは別のフォルダに配置されます。これらのフォルダ内の .dll ファイルと .nvi ファイルは、インストール可能なコンテンツ自体には含まれません。

Condaを使ってWindowsにCUDAをインストールする

Conda を使用して環境を管理したい場合は、NVIDIA が anaconda.org/nvidia でパッケージを公開しています。 ツールキットの基本インストール これは `conda install` という単一のコマンドで実行できます。また、たとえばバージョン 11.3.1 をロックするなど、`release` タグを追加して以前のバージョンを修正することもできます。 アンインストール 同じくらい直接的です。

pip (wheels) 経由で CUDA をインストールする

NVIDIAは、Windows向けCUDAランタイムに特化したPythonホイールを提供しています。これらは主に以下のような用途を想定しています。 PythonでCUDAを使う 完全な開発ツールは含まれていません。まず、nvidia-pyindex をインストールして、pip が NVIDIA NGC インデックスを認識できるようにし、エラーを回避するために pip と setuptools が最新であることを確認してください。 次にメタパッケージをインストールします nvidia-cuda-runtime-cu12 や nvidia-cublas-cu12 など、必要なものを選択します。

これらのメタパッケージは、nvidia-cublas-cu129、nvidia-cuda-nvrtc-cu129、nvidia-npp-cu129 などの特定のパッケージを対象としています。 環境は pip によって管理されることに注意してください。CUDA を仮想環境の外部で使用する場合は、システム パスと変数を調整して正しくリンクする必要があります。

Windowsでのインストールを確認する

コマンドプロンプトを開き、nvcc -V を実行してインストールされているバージョンを確認します。 CUDAサンプルのクローンを作成する GitHubからサンプルをダウンロードし、Visual Studioでコンパイルします。deviceQueryとbandwidthTestを実行します。GPUとの通信が成功すると、デバイスが検出され、 テストに合格する エラーはありません。deviceQueryでデバイスが見つからない場合は、ドライバーを確認し、GPUがシステムで認識されていることを確認してください。

CUDAアクセラレーションを備えたWSL

Windows 11および最新バージョンのWindows 10では、WSL内でCUDAアクセラレーションMLフレームワークとツールの実行をサポートしています。 PyTorch、TensorFlow、Docker NVIDIA Container Toolkit を使用して、まず WSL に CUDA 対応ドライバーをインストールし、次に WSL を有効にして Ubuntu や Debian などの glibc ディストリビューションをインストールします。

更新された WSL カーネル (最低 5.10.43.3) がインストールされていることを確認してください。 チェックしてみて PowerShellから「wsl cat /proc/version」を実行します。その後、WSLのCUDAユーザーガイドに従ってライブラリとコンテナをインストールし、環境を離れることなくWindows上でLinuxワークフローを実行できます。

WindowsからCUDAをアンインストールする

Windows に CUDA をインストールした後、以前のバージョンに戻しますか? すべてのサブパッケージを元に戻すことができます。 コントロールパネルからアンインストールする プログラムと機能の使用。Conda または pip を使用してツールキットを管理する場合は、パッケージの残りが残らないように、各マネージャーのアンインストールメカニズムを使用してください。

バージョン互換性に関する注意事項

CUDA 11.8 は、その安定性とエコシステム サポートにより、非常に人気のあるリリースでした。 一般的な要件 11.8の場合：Compute Capability 3.0以上、64ビットGPU、8GB以上のRAM、4GB以上のGPUメモリ。Linuxでは、Ubuntu 18.04/20.04、RHEL/CentOS 7/8などのディストリビューションとスムーズに統合できます。

CUDA 12.xでは、ランタイムとライブラリの改良が導入され、 最新のドライバーCUDA 13 では、ドライバーが Toolkit インストーラーから永久に分離されます。ドライバーは必ず自分でインストールしてください。 重要な説明CUDA は NVIDIA のテクノロジであり、NVIDIA GPU が必要です。AMD GPU とも互換性があると記載されている場合、それは CUDA スタックとしては正しくありません。

Windows への CUDA のインストール: よくある問題のトラブルシューティング

• インストーラーが失敗するか、ジョブが完了しません。インストーラーのログを確認し、ウイルス対策ソフト、ディスク容量、管理者権限を確認してください。ネットワークが不安定な場合はフルインストーラーで再試行し、UIの競合がある場合はサイレントモードで再試行してください。
• deviceQueryはGPUを検出しませんドライバーが正しいこと、GPUがアクティブであること、アプリがdGPUを使用していることを確認してください。必要に応じてドライバーを更新し、ツールキットを再インストールしてください。
• 書店との対立複数のツールキットがインストールされている場合は、CUDA_PATH と PATH を確認してください。Python の場合は、PyTorch または TensorFlow のバージョンとその設定が CUDA/cuDNN のバージョンと互換性があることを確認してください。
• Visual Studioは.cuをコンパイルしませんプロジェクトにCUDAビルドカスタマイズを追加し、.cuファイルをCUDA C/C++としてマークします。MSVCがツールキットと互換性があることを確認してください。

ツール、サンプル、ドキュメント

nvccとライブラリに加えて、WindowsにCUDAをインストールするためのツールキットには、Nsight SystemsやNsight Computeなどのプロファイルとアナライザー、CUDA C++言語と より良い実践公式の例は GitHub にあり、ドライバー、メモリ パフォーマンス、およびマルチプロセッサを検証するための優れた基盤となります。

Conda または pip と従来のインストーラーのどちらを使用するか

Conda と pip は、特定の CUDA バージョンと一致する依存関係をすでにパッケージ化した ML フレームワークの実行に重点を置いている場合に最適です。 アドバンテージ環境の分離と摩擦の低減。デメリット：ネイティブC++開発やVSとの完全な統合には、従来のToolkitインストーラーが役立ちます。 すべてのツール そして最も完全な体験。

よくある質問

• GPU が CUDA と互換性があるかどうかはどうすればわかりますか? デバイスマネージャーを開き、「ディスプレイアダプター」に移動してモデルを確認し、NVIDIAの公式CUDA GPUリストと比較してください。また、nvidia-smiを実行して確認することもできます。 GPUが表示されます.
• CUDA なしでトレーニングできますか? はい、CPUでも動作しますが、速度は遅くなります。WindowsでPyTorchまたはTensorFlowをGPUで使用するには、以下のものをインストールしてください。 互換性のあるビルド CUDA のバージョンを使用するか、NVIDIA コンテナーで WSL を使用します。
• 特定の古いバージョン一部のツールでは、CUDA 10.1とcuDNN 7.6.4などの組み合わせが必要です。その場合は、それらのバージョンをインストールし、 cuDNN DLL 対応するツールキットの bin フォルダーに、複数の cuDNN が同時に存在しないようにします。

Windows に CUDA をインストールし、完全なガイドを使用して作業を高速化したい場合は、上記の手順と推奨事項に従うと、すべてを完了するのに役立ちます。 手袋のようにぴったりフィットします。 最初のビルドから。