Како да инсталирате CUDA на Windows без грешки: водич за програмери и креатори

Инсталирање на CUDA на Windows Не мора да биде главоболка ако знаете од каде да почнете и што да проверите на секој чекор. Во оваа статија ќе ве водам на практичен начин, со сите нијанси на компатибилност, инсталација, верификација и вообичаено решавање проблеми за да се осигурате дека комплетот алатки работи совршено на вашиот компјутер од првиот пат.

Покрај тоа што ќе ја опфатите класичната инсталација на Toolkit на Windows, ќе видите и како да користите CUDA со WSL, да го инсталирате со Conda или pip, да компајлирате примери со Visual Studio и да ги разберете различните модели на драјвери на NVIDIA на Windows. Информациите се унифицирани и ажурирани. Врз основа на официјални водичи и сценарија од реалниот живот што може да ви се случат, како што е лаптоп со хибридна AMD iGPU + NVIDIA dGPU графичка картичка.

Што е CUDA и што нуди во Windows?

CUDA Тоа е платформата и моделот за паралелно програмирање на NVIDIA што овозможува забрзајте ги апликациите со графичкиот процесорОд вештачка интелигенција и наука за податоци до симулации и обработка на слики. На практично ниво, инсталирањето на CUDA Toolkit на Windows ви го дава компајлерот nvcc, времето на извршување, библиотеки како што се cuBLAS, cuFFT, cuRAND и cuSOLVER, алатки за дебагирање и профилирање и примери подготвени за компајлирање.

Дизајнот на CUDA го олеснува мешањето на процесорот и графичката картичка во истата апликација: деловите сериски изданија во процесорот и паралелните делови на графичкиот процесор, кои обезбедуваат стотици или илјадници нишки што работат паралелно. Благодарение на споделената меморија на чипот и оптимизираните библиотеки, скокот во перформансите Обично се забележува под интензивни оптоварувања.

Компатибилност на системот и компајлерот во Windows

Пред да го користите инсталерот, препорачливо е да ја проверите компатибилноста. Компатибилен Windows Неодамнешните верзии на комплетот алатки вклучуваат: Windows 11 24H2, 23H2 и 22H2-SV2; Windows 10 22H2; и Windows Server 2022 и 2025.

Кај компајлерите, типичната поддршка вклучува MSVC 193x со Visual Studio 2022 17.x и MSVC 192x со Visual Studio 2019 16.x, со дијалекти C++11, C++14, C++17 и C++20 (во зависност од верзијата). Visual Studio 2015 беше застарен во CUDA 11.1; VS 2017 беше застарен во 12.5 и отстранет во 13.0. Проверете ја точната матрица на вашата верзија за да се избегнат плаши.

Важно за застарени проекти: Почнувајќи со CUDA 12.0, 32-битната компилација е отстранета, а извршувањето на 32-битни x86 бинарни датотеки на x64 системи е ограничено на возач, кварта и математика на GeForce графички процесори до архитектурата Ada; Hopper повеќе не поддржува 32-бита.

Изберете го и инсталирајте го комплетот алатки на Windows

Преземете го инсталерот од официјалната веб-страница на NVIDIA CUDA. Можете да изберете мрежен инсталер (минимално преземање кое користи интернет за останатото) или целосен инсталер (сè во еден пакет, корисно за машини без мрежа или распоредувања во претпријатија). По преземањето, потврдете го интегритетот со контролната сума (на пр., MD5) за да исклучите корупција.

Стартувајте го графичкиот инсталер и следете ги чекорите на екранот. Прочитајте ги белешките за изданието за вашата верзија бидејќи детално ги наведува промените, точните компатибилности и критичните предупредувања. Почнувајќи од CUDA 13, инсталерот на Toolkit повеќе не го вклучува драјверот. Драјверот за NVIDIA се инсталира одделно. од соодветната страница со драјвери.

Тивка инсталација и избор на компоненти

Ако треба да се распореди тивко, инсталерот прифаќа режим без интерфејс со опцијата -s и дозволува изберете специфични подпакети по име наместо да инсталирате сè. Можете исто така да спречите автоматски рестартирања со -n. Оваа грануларност е корисна за прилагодување на средините за градење и намалување на вашиот отпечаток.

Меѓу вообичаените подпакети ќе најдете артикли како што се nvcc, cudart, cuBLAS, cuFFT, cuRAND, cuSOLVER, cuSPARSENsight Compute, Nsight Systems, интеграција со Visual Studio, NVRTC, NVTX, NVJitLink, деманглери и алатки како cuobjdump или nvdisasm. Ако ќе компајлирате и профилирате, изберете ги алатките на NsightАко само го стартувате, времето на извршување може да биде доволно.

Извлечете го инсталерот и прегледајте ја содржината

За ревизија или корпоративно пакување, целиот инсталер може да се извлече со помош на алатки што поддржуваат LZMA, како што се 7-Zip или WinZip. Ќе го најдете дрвото и модулите на CUDAToolkit Датотеките за интеграција на Visual Studio се сместени во посебни папки. Датотеките .dll и .nvi во тие папки не се дел од самата содржина што може да се инсталира.

Инсталирајте CUDA на Windows со Conda

Ако претпочитате да ја управувате околината со Conda, NVIDIA објавува пакети на anaconda.org/nvidia. Основна инсталација на комплетот алатки Се прави со една команда, `conda install`, а можете да ги поправите и претходните верзии со додавање на ознаката `release`, на пример, за да ја заклучите верзијата 11.3.1. деинсталирај Исто толку е директно.

Инсталирајте CUDA преку pip (тркала)

NVIDIA нуди Python тркала фокусирани на CUDA runtime за Windows. Тие се првенствено наменети за користење на CUDA со Python и тие не ги вклучуваат сите алатки за развој. Прво, инсталирајте го nvidia-pyindex за pip да го знае NVIDIA NGC индексот и осигурајте се дека сте ги ажурирале pip и setuptools за да избегнете грешки. Потоа инсталирајте ги метапакетите што ви е потребно, како на пример nvidia-cuda-runtime-cu12 или nvidia-cublas-cu12.

Овие метапакети се насочени кон специфични пакети како што се nvidia-cublas-cu129, nvidia-cuda-nvrtc-cu129, nvidia-npp-cu129 и други. Запомнете дека околината е управувана од pip.Ако сакате да користите CUDA надвор од виртуелната средина, ќе треба да ги прилагодите системските патеки и променливите за правилно поврзување.

Потврдете ја инсталацијата на Windows

Отворете командна линија и извршете nvcc -V за да ја потврдите инсталираната верзија. Клонирајте ги CUDA примероците Преземете ги примерите од GitHub и компајлирајте ги со Visual Studio. Извршете deviceQuery и bandwidthTest: ако има успешна комуникација со графичкиот процесор, ќе го видите уредот детектиран и положување на тестовите Нема грешки. Ако deviceQuery не пронајде уреди, проверете го драјверот и дали графичката картичка е видлива во системот.

WSL со CUDA забрзување

Windows 11 и најновите верзии на Windows 10 поддржуваат извршување на CUDA-забрзани ML рамки и алатки во рамките на WSL, вклучувајќи PyTorch, TensorFlow и Docker Користејќи го NVIDIA Container Toolkit, прво инсталирајте го драјверот овозможен со CUDA во WSL, потоа овозможете го WSL и инсталирајте дистрибуција glibc како што се Ubuntu или Debian.

Проверете дали имате ажурирано WSL јадро (минимум 5.10.43.3). Проверете го со Користете го `wsl cat /proc/version` од PowerShell. Потоа следете го упатството за корисникот на CUDA во WSL за да инсталирате библиотеки и контејнери и да започнете да ги извршувате вашите работни процеси на Linux на Windows без да ја напуштите вашата околина.

Деинсталирајте го CUDA на Windows

Откако ќе го инсталирате CUDA на Windows, дали сакате да се вратите на претходната верзија? Сите подпакети можат да се вратат на претходната состојба. Деинсталирај од контролната табла Користење на програми и функции. Ако го управувате комплетот алатки со Conda или pip, користете ги механизмите за деинсталација на секој менаџер за да избегнете оставање остатоци од пакети.

Белешки за компатибилност на верзии

CUDA 11.8 беше многу популарно издание поради неговата стабилност и поддршка на екосистемот. Типични барања За 11.8: GPU со Compute Capability 3.0 или повисока, 64-битна, минимум 8 GB RAM и најмалку 4 GB GPU меморија. На Linux, добро се интегрира со дистрибуции како што се Ubuntu 18.04/20.04, RHEL/CentOS 7/8, итн.

CUDA 12.x воведува подобрувања во времето на извршување и библиотеката и ги промовира зависностите од најнови драјвериCUDA 13 трајно го одвојува драјверот од инсталерот на Toolkit: не заборавајте сами да го инсталирате драјверот. Важно појаснувањеCUDA е NVIDIA технологија и бара NVIDIA графички процесори; ако некаде видите дека е компатибилна и со AMD графички процесори, тоа не е точно за CUDA стекот.

Инсталирање на CUDA на Windows: Решавање на вообичаени проблеми

• Инсталерот не успева или не ја завршува работата.Проверете ги логовите на инсталерот и потврдете ги вашите дозволи за антивирус, простор на дискот и администратор. Обидете се повторно со целосниот инсталер ако мрежата е нестабилна или е во тивок режим ако има конфликти на корисничкиот интерфејс.
• deviceQuery не го детектира графичкиот процесорПроверете дали драјверот е точен, дали графичката картичка е активна и дали апликацијата ја користи dGPU. Ажурирајте го драјверот и повторно инсталирајте го комплетот алатки доколку е потребно.
• Конфликти со книжарницитеАко имате инсталирано повеќе комплети алатки, валидирајте ги CUDA_PATH и PATH. Во Python, проверете дали верзиите PyTorch или TensorFlow и нивните конфигурации се компатибилни со вашата верзија на CUDA/cuDNN.
• Visual Studio не компајлира .cuДодајте ги CUDA Build Customizations во вашиот проект и означете ги .cu датотеките како CUDA C/C++. Потврдете дека MSVC е компатибилен со вашиот комплет алатки.

Алатки, примероци и документација

Покрај nvcc и библиотеките, комплетот алатки за инсталирање на CUDA на Windows вклучува профили и анализатори како што се Nsight Systems и Nsight Compute, како и HTML/PDF документација за CUDA C++ јазикот и подобри практикиОфицијалните примери се на GitHub и се одлична основа за валидација на драјвери, перформанси на меморијата и мултипроцесори.

Кога да се користи Conda или pip наспроти класичниот инсталер

Conda и pip се идеални кога вашиот фокус е на извршување на ML рамки кои веќе спакуваат зависности во согласност со специфични CUDA верзии. ПредностИзолација на околината и помалку триење. Недостаток: За развој на мајчин C++ или целосна интеграција со VS, класичниот инсталер на Toolkit нуди сите алатки и најкомплетното искуство.

Брзи ЧПП

• Како да знам дали мојата графичка картичка е компатибилна со CUDA? Отворете го Управувачот со уреди, одете во Адаптери за екрани и проверете го моделот; споредете го со официјалната листа на CUDA графички процесори на NVIDIA. Можете исто така да ја стартувате nvidia-smi и да потврдите дека Се појавува вашиот графички процесор (GPU).
• Може ли да тренирам без CUDA? Да, ќе работи на процесорот, но ќе биде побавно. За да го користите графичкиот процесор со PyTorch или TensorFlow на Windows, проверете дали сте го инсталирале компатибилни градби со вашата верзија на CUDA или користете WSL со NVIDIA контејнери.
• Специфични постари верзииНекои алатки бараат комбинации како CUDA 10.1 со cuDNN 7.6.4. Во тој случај, инсталирајте ги токму тие верзии и поставете го DLL на cuDNN во папката bin на соодветниот комплет алатки, избегнувајќи да имате повеќе cuDNN истовремено.

Ако сакате да инсталирате CUDA на Windows и да ја забрзате вашата работа со комплетен водич, чекорите и препораките погоре ќе ви помогнат да завршите сè. Се држи како ракавица. од првата градба.