Slik installerer du CUDA på Windows uten feil: en veiledning for utviklere og skapere

Installere CUDA på Windows Det trenger ikke å være hodepine hvis du vet hvor du skal begynne og hva du skal sjekke i hvert trinn. I denne artikkelen vil jeg veilede deg på en praktisk måte, med alle nyansene rundt kompatibilitet, installasjon, verifisering og vanlig feilsøking for å sikre at verktøysettet fungerer perfekt på datamaskinen din første gang.

I tillegg til å dekke den klassiske Toolkit-installasjonen på Windows, vil du også se hvordan du bruker CUDA med WSL, installerer det med Conda eller pip, kompilerer eksempler med Visual Studio og forstår de forskjellige NVIDIA-drivermodellene på Windows. Informasjonen er samlet og oppdatert. Basert på offisielle guider og virkelige scenarier som kan skje med deg, for eksempel en bærbar PC med en hybrid AMD iGPU + NVIDIA dGPU GPU.

Hva er CUDA, og hva tilbyr det i Windows?

CUDA Det er NVIDIAs parallelle programmeringsplattform og modell som tillater akselerer applikasjoner med GPU-enFra AI og datavitenskap til simuleringer og bildebehandling. På et praktisk nivå gir installasjon av CUDA Toolkit på Windows deg nvcc-kompilatoren, runtime, biblioteker som cuBLAS, cuFFT, cuRAND og cuSOLVER, feilsøkings- og profileringsverktøy, og eksempler som er klare til kompilering.

CUDA-designet gjør det enkelt å blande CPU og GPU i samme applikasjon: delene serienumre i prosessoren og de parallelle seksjonene på GPU-en, som gir hundrevis eller tusenvis av tråder som kjører parallelt. Takket være delt minne på brikken og optimaliserte biblioteker, ytelsesspranget Det er vanligvis merkbart under intensiv belastning.

System- og kompilatorkompatibilitet i Windows

Før du bruker installasjonsprogrammet, anbefales det å sjekke kompatibiliteten. Kompatibel Windows Nyere versjoner av verktøysettet inkluderer: Windows 11 24H2, 23H2 og 22H2-SV2; Windows 10 22H2; og Windows Server 2022 og 2025.

I kompilatorer inkluderer typisk støtte MSVC 193x med Visual Studio 2022 17.x og MSVC 192x med Visual Studio 2019 16.x, med C++11-, C++14-, C++17- og C++20-dialekter (avhengig av versjon). Visual Studio 2015 ble avskrevet i CUDA 11.1; VS 2017 ble avskrevet i 12.5 og fjernet i 13.0. Sjekk den nøyaktige matrisen til versjonen din for å unngå skremmelser.

Viktig for eldre prosjekter: Fra og med CUDA 12.0 er 32-bits kompilering fjernet, og kjøringen av 32-bits x86-binærfiler på x64-systemer er begrenset til sjåfør, kvart og matematikk på GeForce GPU-er opp til Ada-arkitekturen; Hopper støtter ikke lenger 32 bits.

Velg og installer verktøysettet på Windows

Last ned installasjonsprogrammet fra det offisielle NVIDIA CUDA-nettstedet. Du kan velge Nettverksinstallatør (minimal nedlasting som bruker internett for resten) eller Full installasjon (alt i én pakke, nyttig for maskiner uten nettverk eller bedriftsdistribusjoner). Etter nedlasting, bekreft integriteten med sjekksummen (f.eks. MD5) for å utelukke korrupsjon.

Kjør det grafiske installasjonsprogrammet og følg trinnene på skjermen. Les utgivelsesnotatene for din versjon fordi den beskriver endringer, nøyaktig kompatibilitet og kritiske advarsler. Fra og med CUDA 13 inkluderer ikke Toolkit-installasjonsprogrammet lenger driveren. NVIDIA-driveren installeres separat. fra den tilhørende driversiden.

Stille installasjon og komponentvalg

Hvis du trenger å distribuere stille, godtar installasjonsprogrammet grensesnittløs modus med -s-alternativet og tillater velg spesifikke underpakker med navn i stedet for å installere alt. Du kan også forhindre automatisk omstart med -n. Denne granulariteten er nyttig for å tilpasse byggemiljøer og redusere fotavtrykket ditt.

Blant de vanlige underpakkene finner du varer som nvcc, cudart, cuBLAS, cuFFT, CURAND, cuSOLVER, CUSPARSENsight Compute, Nsight Systems, Visual Studio-integrasjon, NVRTC, NVTX, NVJitLink, demanglers og verktøy som cuobjdump eller nvdisasm. Hvis du skal kompilere og profilere, velg Nsight-verktøyeneHvis du bare kjører det, kan kjøretiden være nok.

Pakk ut installasjonsprogrammet og se gjennom innholdet

For revisjon eller bedriftspakking kan hele installasjonsprogrammet pakkes ut ved hjelp av LZMA-støttede verktøy som 7-Zip eller WinZip. Du finner CUDAToolkit-treet og modulene Visual Studio-integrasjonsfiler plasseres i separate mapper. .dll- og .nvi-filene i disse mappene er ikke en del av selve det installerbare innholdet.

Installer CUDA på Windows med Conda

Hvis du foretrekker å administrere miljøet med Conda, publiserer NVIDIA pakker på anaconda.org/nvidia. En grunnleggende installasjon av verktøysettet Det gjøres med én enkelt kommando, `conda install`, og du kan også fikse tidligere versjoner ved å legge til `release`-taggen, for eksempel for å låse versjon 11.3.1. avinstallere Det er like direkte.

Installer CUDA via pip (hjul)

NVIDIA tilbyr Python-hjul fokusert på CUDA-kjøretiden for Windows. De er primært ment for bruker CUDA med Python og de inkluderer ikke de komplette utviklingsverktøyene. Først, installer nvidia-pyindex slik at pip kjenner NVIDIA NGC-indeksen, og sørg for at du har pip og setuptools oppdatert for å unngå feil. Installer deretter metapakkene som du trenger, for eksempel nvidia-cuda-runtime-cu12 eller nvidia-cublas-cu12.

Disse metapakkene er rettet mot spesifikke pakker som nvidia-cublas-cu129, nvidia-cuda-nvrtc-cu129, nvidia-npp-cu129 og andre. Husk at miljøet styres av pip.Hvis du vil bruke CUDA utenfor virtualenv, må du justere systemstier og variabler for å koble riktig.

Bekreft installasjonen på Windows

Åpne en ledetekst og kjør nvcc -V for å bekrefte den installerte versjonen. Klon CUDA-prøvene Last ned eksemplene fra GitHub og kompiler dem med Visual Studio. Kjør deviceQuery og bandwidthTest: Hvis kommunikasjonen med GPU-en er vellykket, vil du se at enheten er oppdaget og bestått testene Ingen feil. Hvis deviceQuery ikke finner enheter, sjekk driveren og at GPU-en er synlig i systemet.

WSL med CUDA-akselerasjon

Windows 11 og de nyeste versjonene av Windows 10 støtter kjøring av CUDA-akselererte ML-rammeverk og -verktøy i WSL, inkludert PyTorch, TensorFlow og Docker Bruk NVIDIA Container Toolkit, installer først den CUDA-aktiverte driveren i WSL, aktiver deretter WSL og installer en glibc-distribusjon som Ubuntu eller Debian.

Sørg for at du har en oppdatert WSL-kjernen (minimum 5.10.43.3). Sjekk det ut med Bruk `wsl cat /proc/version` fra PowerShell. Følg deretter CUDA-brukerveiledningen i WSL for å installere biblioteker og containere og begynne å kjøre Linux-arbeidsflytene dine på Windows uten å forlate miljøet ditt.

Avinstaller CUDA på Windows

Etter at du har installert CUDA på Windows, vil du gå tilbake til forrige versjon? Alle underpakker kan tilbakestilles. Avinstaller fra kontrollpanelet Bruk av programmer og funksjoner. Hvis du administrerer verktøysettet med Conda eller pip, bruk avinstallasjonsmekanismene til hver administrator for å unngå å legge igjen pakkerester.

Merknader om versjonskompatibilitet

CUDA 11.8 var en veldig populær utgivelse på grunn av stabiliteten og økosystemstøtten. Typiske krav For 11.8: GPU med Compute Capability 3.0 eller høyere, 64-bit, minimum 8 GB RAM og minst 4 GB GPU-minne. På Linux integreres den godt med distribusjoner som Ubuntu 18.04/20.04, RHEL/CentOS 7/8, osv.

CUDA 12.x introduserer forbedringer av kjøretid og bibliotek og fremmer avhengigheter av nyeste drivereCUDA 13 skiller driveren permanent fra Toolkit-installasjonsprogrammet: husk å installere driveren selv. Viktig avklaringCUDA er NVIDIA-teknologi og krever NVIDIA GPU-er. Hvis du ser noe sted at den også er kompatibel med AMD GPU-er, er ikke det riktig for CUDA-stakken.

Installere CUDA på Windows: Feilsøking av vanlige problemer

• Installasjonsprogrammet mislykkes eller fullfører ikke jobben.Sjekk installasjonsloggene og bekreft antivirus-, diskplass- og administratorrettigheter. Prøv på nytt med det fullstendige installasjonsprogrammet hvis nettverket er ustabilt, eller i stille modus hvis det er grensesnittkonflikter.
• deviceQuery oppdager ikke GPU-enSjekk at driveren er riktig, at GPU-en er aktiv, og at appen bruker dGPU-en. Oppdater driveren og installer Toolkit på nytt om nødvendig.
• Konflikter med bokhandlereHvis du har flere verktøysett installert, valider CUDA_PATH og PATH. I Python, sjekk at PyTorch- eller TensorFlow-versjonene og konfigurasjonene deres er kompatible med CUDA/cuDNN-versjonen din.
• Visual Studio kompilerer ikke .cuLegg til CUDA Build-tilpasningene i prosjektet ditt og merk .cu-filene som CUDA C/C++. Bekreft at MSVC er kompatibel med verktøysettet ditt.

Verktøy, eksempler og dokumentasjon

I tillegg til nvcc og bibliotekene, inkluderer verktøysettet for installasjon av CUDA på Windows profiler og analysatorer som Nsight Systems og Nsight Compute, og HTML/PDF-dokumentasjon for CUDA C++-språket og bedre praksisDe offisielle eksemplene finnes på GitHub og er et utmerket grunnlag for å validere drivere, minneytelse og multiprosessorer.

Når du skal bruke Conda eller pip kontra det klassiske installasjonsprogrammet

Conda og pip er ideelle når fokuset ditt er på å kjøre ML-rammeverk som allerede pakker avhengigheter som er i samsvar med spesifikke CUDA-versjoner. nytteMiljøisolering og mindre friksjon. Ulempe: For native C++-utvikling eller full integrasjon med VS tilbyr det klassiske Toolkit-installasjonsprogrammet alle verktøyene og den mest komplette opplevelsen.

Raske vanlige spørsmål

• Hvordan vet jeg om GPU-en min er CUDA-kompatibel? Åpne Enhetsbehandling, gå til Skjermkort og sjekk modellen. Sammenlign den med NVIDIAs offisielle liste over CUDA GPU-er. Du kan også kjøre nvidia-smi og bekrefte at GPU-en din vises.
• Kan jeg trene uten CUDA? Ja, det vil fungere på CPU-en, men det vil være tregere. For å bruke GPU-en med PyTorch eller TensorFlow på Windows, sørg for at du installerer kompatible bygg med din versjon av CUDA eller bruk WSL med NVIDIA-containere.
• Spesifikke eldre versjonerNoen verktøy krever kombinasjoner som CUDA 10.1 med cuDNN 7.6.4. I så fall, installer nøyaktig disse versjonene og plasser DLL-filen til cuDNN i bin-mappen i det tilhørende verktøysettet, slik at du unngår å ha flere cuDNN-er samtidig.

Hvis du ønsker å installere CUDA på Windows og få fart på arbeidet ditt med en komplett veiledning, vil trinnene og anbefalingene ovenfor hjelpe deg med å få alt gjort. Den passer som hånd i hanske. fra den første byggingen.