오류 없이 Windows에 CUDA를 설치하는 방법: 개발자와 제작자를 위한 가이드

Windows에 CUDA 설치 어디서부터 시작해야 할지, 각 단계에서 무엇을 확인해야 할지 알고 있다면 그렇게 골치 아픈 일이 아닐 겁니다. 이 글에서는 실제적인 방법으로 안내해드리겠습니다.호환성, 설치, 검증 및 일반적인 문제 해결의 모든 세부 사항을 통해 툴킷이 처음부터 컴퓨터에서 완벽하게 작동하도록 보장합니다.

Windows에서 클래식 툴킷을 설치하는 방법을 다루는 것 외에도 WSL과 함께 CUDA를 사용하는 방법, Conda 또는 pip로 설치하는 방법, Visual Studio로 예제를 컴파일하는 방법, Windows에서 다양한 NVIDIA 드라이버 모델을 이해하는 방법도 알아봅니다. 정보는 통합되어 있고 최신입니다. 하이브리드 AMD iGPU + NVIDIA dGPU GPU가 장착된 노트북 등 실제 상황에서 발생할 수 있는 공식 가이드와 시나리오를 기반으로 합니다.

CUDA란 무엇이고 Windows에서 무엇을 제공합니까?

CUDA NVIDIA의 병렬 프로그래밍 플랫폼 및 모델을 통해 가능합니다. GPU로 애플리케이션 가속화AI 및 데이터 과학부터 시뮬레이션 및 이미지 처리까지. 실질적으로 Windows에 CUDA 툴킷을 설치하면 nvcc 컴파일러, 런타임, cuBLAS, cuFFT, cuRAND, cuSOLVER와 같은 라이브러리, 디버깅 및 프로파일링 도구, 그리고 즉시 컴파일 가능한 예제를 사용할 수 있습니다.

CUDA 설계를 통해 동일한 애플리케이션에서 CPU와 GPU를 쉽게 혼합할 수 있습니다. 프로세서의 시리얼 GPU의 병렬 섹션은 수백 또는 수천 개의 스레드를 병렬로 실행합니다. 공유 온칩 메모리와 최적화된 라이브러리 덕분에 성능 향상 일반적으로 집중적인 부하가 걸릴 때 눈에 띄게 나타납니다.

Windows에서의 시스템 및 컴파일러 호환성

설치 프로그램을 사용하기 전에 호환성을 확인하는 것이 좋습니다. 지원되는 창 툴킷의 최신 버전은 다음과 같습니다: Windows 11 24H2, 23H2 및 22H2-SV2; Windows 10 22H2; Windows Server 2022 및 2025.

컴파일러에서 일반적인 지원에는 다음이 포함됩니다. Visual Studio 2022 17.x를 사용한 MSVC 193x Visual Studio 2019 16.x와 MSVC 192x, C++11, C++14, C++17, C++20 언어(버전에 따라 다름)를 지원합니다. Visual Studio 2015는 CUDA 11.1에서 더 이상 지원되지 않으며, VS 2017은 12.5에서 더 이상 지원되지 않고 13.0에서 제거되었습니다. 귀하의 버전의 정확한 매트릭스를 확인하세요 두려움을 피하기 위해.

레거시 프로젝트에 중요: CUDA 12.0부터 32비트 컴파일이 제거되고 x64 시스템에서 32비트 x86 바이너리 실행이 다음으로 제한됩니다. 드라이버, 쿼트 및 수학 Ada 아키텍처까지의 GeForce GPU에서는 Hopper가 더 이상 32비트를 지원하지 않습니다.

Windows에서 툴킷을 선택하고 설치하세요

공식 NVIDIA CUDA 웹사이트에서 설치 프로그램을 다운로드하세요. 네트워크 설치 프로그램을 선택할 수 있습니다 (나머지 부분은 인터넷을 사용하는 최소 다운로드) 또는 전체 설치 프로그램(모두 단일 패키지로 제공, 유용함) 네트워크가 없는 기계 또는 엔터프라이즈 배포). 다운로드 후 체크섬(예: MD5)을 사용하여 무결성을 확인하여 손상을 배제합니다.

그래픽 설치 프로그램을 실행하고 화면의 단계를 따르세요. 해당 버전의 릴리스 노트를 읽어보세요 변경 사항, 정확한 호환성 및 중요 경고에 대한 자세한 정보가 포함되어 있기 때문입니다. CUDA 13부터 툴킷 설치 프로그램에 드라이버가 더 이상 포함되지 않습니다. NVIDIA 드라이버는 별도로 설치됩니다. 해당 드라이버 페이지에서.

조용한 설치 및 구성 요소 선택

조용히 배포해야 하는 경우 설치 프로그램은 -s 옵션과 함께 인터페이스 없는 모드를 허용합니다. 특정 하위 패키지 선택 모든 것을 설치하는 대신 이름으로 지정할 수 있습니다. -n 옵션을 사용하면 자동 재시작을 방지할 수도 있습니다. 이러한 세분성은 빌드 환경을 사용자 지정하고 설치 공간을 줄이는 데 유용합니다.

일반적인 하위 패키지에는 다음과 같은 항목이 있습니다. nvcc, cudart, cuBLAS, cuFFT, cuRAND, cuSOLVER, cuSPARSENsight Compute, Nsight Systems, Visual Studio 통합, NVRTC, NVTX, NVJitLink, 디매글러, 그리고 cuobjdump나 nvdisasm 같은 유틸리티를 사용할 수 있습니다. 컴파일 및 프로파일링을 수행하려면 Nsight 도구를 선택하세요그냥 실행만 한다면 런타임이 충분할 수도 있습니다.

설치 프로그램을 추출하고 내용을 검토하세요

감사나 기업 패키징의 경우, 7-Zip이나 WinZip과 같은 LZMA 지원 도구를 사용하여 전체 설치 프로그램을 추출할 수 있습니다. CUDAToolkit 트리와 모듈을 찾을 수 있습니다. Visual Studio 통합 파일은 별도의 폴더에 저장됩니다. 해당 폴더의 .dll 및 .nvi 파일은 설치 가능 콘텐츠 자체에 포함되지 않습니다.

Conda를 사용하여 Windows에 CUDA 설치

Conda를 사용하여 환경을 관리하는 것을 선호하는 경우 NVIDIA는 anaconda.org/nvidia에서 패키지를 게시합니다. 툴킷의 기본 설치 `conda install`이라는 단일 명령어로 완료할 수 있으며, 예를 들어 `release` 태그를 추가하여 이전 버전을 수정하여 버전 11.3.1로 고정할 수도 있습니다. 제거 그것도 아주 직접적이죠.

pip(wheels)를 통해 CUDA 설치

NVIDIA는 Windows용 CUDA 런타임에 초점을 맞춘 Python 휠을 제공합니다. 이 휠은 주로 다음을 위해 설계되었습니다. Python과 함께 CUDA 사용하기 전체 개발 도구가 포함되어 있지 않습니다. 먼저, pip가 NVIDIA NGC 인덱스를 인식할 수 있도록 nvidia-pyindex를 설치하고, 오류를 방지하기 위해 pip와 setuptools를 최신 상태로 유지하세요. 그런 다음 메타패키지를 설치하세요. 예를 들어 nvidia-cuda-runtime-cu12 또는 nvidia-cublas-cu12와 같은 것이 필요합니다.

이러한 메타패키지는 nvidia-cublas-cu129, nvidia-cuda-nvrtc-cu129, nvidia-npp-cu129 등과 같은 특정 패키지를 대상으로 합니다. 환경은 pip에 의해 관리된다는 것을 기억하세요.가상 환경 외부에서 CUDA를 사용하려면 시스템 경로와 변수를 조정하여 올바르게 연결해야 합니다.

Windows에서 설치 확인

명령 프롬프트를 열고 nvcc -V를 실행하여 설치된 버전을 확인합니다. CUDA 샘플 복제 GitHub에서 예제를 다운로드하고 Visual Studio로 컴파일하세요. deviceQuery와 bandwidthTest를 실행하세요. GPU와 통신이 성공하면 장치가 감지되고 시험에 합격하다 오류가 없습니다. deviceQuery가 장치를 찾지 못하면 드라이버를 확인하고 GPU가 시스템에 표시되는지 확인하세요.

CUDA 가속을 사용한 WSL

Windows 11 및 최신 버전의 Windows 10은 WSL 내에서 CUDA 가속 ML 프레임워크 및 도구 실행을 지원합니다. PyTorch, TensorFlow 및 Docker NVIDIA Container Toolkit을 사용하여 먼저 WSL에 CUDA 지원 드라이버를 설치한 다음, WSL을 활성화하고 Ubuntu나 Debian과 같은 glibc 배포판을 설치합니다.

최신 WSL 커널(최소 5.10.43.3)이 있는지 확인하세요. 확인해 보세요 PowerShell에서 `wsl cat /proc/version`을 사용하세요. 그런 다음 WSL에서 CUDA 사용자 가이드에 따라 라이브러리와 컨테이너를 설치하고, 기존 환경을 벗어나지 않고도 Windows에서 Linux 워크플로를 실행하세요.

Windows에서 CUDA 제거

Windows에 CUDA를 설치한 후 이전 버전으로 되돌리시겠습니까? 모든 하위 패키지는 이전 버전으로 되돌릴 수 있습니다. 제어판에서 제거 프로그램 및 기능 사용. Conda 또는 pip를 사용하여 툴킷을 관리하는 경우, 각 관리자의 제거 방법을 사용하여 패키지 잔여물이 남지 않도록 하세요.

버전 호환성 참고 사항

CUDA 11.8은 안정성과 생태계 지원 덕분에 매우 인기 있는 릴리스였습니다. 일반적인 요구 사항 11.8의 경우: Compute Capability 3.0 이상, 64비트, 최소 8GB RAM, 최소 4GB GPU 메모리를 갖춘 GPU가 필요합니다. Linux에서는 Ubuntu 18.04/20.04, RHEL/CentOS 7/8 등의 배포판과 원활하게 통합됩니다.

CUDA 12.x는 런타임 및 라이브러리 개선 사항을 도입하고 종속성을 푸시합니다. 최신 드라이버CUDA 13에서는 드라이버가 툴킷 설치 프로그램에서 영구적으로 분리되었습니다. 드라이버를 직접 설치해야 합니다. 중요한 설명CUDA는 NVIDIA 기술이며 NVIDIA GPU가 필요합니다. AMD GPU와도 호환된다고 적힌 곳이 있다면, 그것은 CUDA 스택에 적합하지 않습니다.

Windows에 CUDA 설치: 일반적인 문제 해결

• 설치 프로그램이 실패하거나 작업을 완료하지 못합니다.설치 프로그램 로그를 확인하고 바이러스 백신, 디스크 공간 및 관리자 권한을 확인하세요. 네트워크가 불안정하면 전체 설치 프로그램으로 다시 시도하고, UI 충돌이 발생하면 무음 모드로 다시 시도하세요.
• deviceQuery가 GPU를 감지하지 못합니다드라이버가 올바른지, GPU가 활성화되어 있는지, 그리고 앱이 dGPU를 사용하고 있는지 확인하세요. 드라이버를 업데이트하고 필요한 경우 툴킷을 다시 설치하세요.
• 서점과의 갈등여러 툴킷이 설치된 경우 CUDA_PATH와 PATH를 확인하세요. Python의 경우 PyTorch 또는 TensorFlow 버전과 해당 구성이 CUDA/cuDNN 버전과 호환되는지 확인하세요.
• Visual Studio에서는 .cu를 컴파일하지 않습니다.프로젝트에 CUDA 빌드 사용자 지정을 추가하고 .cu 파일을 CUDA C/C++로 표시하세요. MSVC가 툴킷과 호환되는지 확인하세요.

도구, 샘플 및 문서

nvcc 및 라이브러리 외에도 Windows에 CUDA를 설치하기 위한 툴킷에는 Nsight Systems 및 Nsight Compute와 같은 프로필 및 분석기와 CUDA C++ 언어에 대한 HTML/PDF 문서가 포함되어 있습니다. 더 나은 관행공식 예제는 GitHub에 있으며 드라이버, 메모리 성능, 멀티프로세서를 검증하는 데 매우 유용한 기반이 됩니다.

Conda 또는 pip를 사용하는 경우와 클래식 설치 프로그램을 사용하는 경우

Conda와 pip는 특정 CUDA 버전과 일관된 종속성을 이미 패키징한 ML 프레임워크를 실행하는 데 중점을 두는 경우에 이상적입니다. 장점환경 분리 및 마찰 감소. 단점: 네이티브 C++ 개발 또는 VS와의 완전한 통합을 위해 기존 Toolkit 설치 프로그램은 다음을 제공합니다. 모든 도구 가장 완벽한 경험.

빠른 FAQ

• 내 GPU가 CUDA와 호환되는지 어떻게 알 수 있나요? 장치 관리자를 열고 디스플레이 어댑터로 이동하여 모델을 확인하고 NVIDIA 공식 CUDA GPU 목록과 비교해 보세요. nvidia-smi를 실행하여 확인할 수도 있습니다. GPU가 나타납니다.
• CUDA 없이도 훈련할 수 있나요? 네, CPU에서 작동하지만 속도가 느립니다. Windows에서 PyTorch 또는 TensorFlow와 함께 GPU를 사용하려면 다음을 설치해야 합니다. 호환 빌드 CUDA 버전을 사용하거나 NVIDIA 컨테이너와 함께 WSL을 사용하세요.
• 특정 이전 버전일부 도구에는 CUDA 10.1과 cuDNN 7.6.4의 조합이 필요합니다. 이 경우 해당 버전을 설치하고 cuDNN의 DLL 해당 툴킷의 bin 폴더에 저장하면 여러 개의 cuDNN이 동시에 존재하는 것을 방지할 수 있습니다.

Windows에 CUDA를 설치하고 전체 가이드로 작업 속도를 높이려는 경우 위의 단계와 권장 사항이 모든 작업을 완료하는 데 도움이 될 것입니다. 딱 맞는군요. 첫 번째 빌드부터.