Cum se instalează CUDA pe Windows fără erori: un ghid pentru dezvoltatori și creatori

Instalarea CUDA pe Windows Nu trebuie să fie o bătaie de cap dacă știi de unde să începi și ce să verifici la fiecare pas. În acest articol, vă voi ghida într-un mod practic, cu toate nuanțele de compatibilitate, instalare, verificare și depanare comună pentru a vă asigura că setul de instrumente funcționează perfect pe computer de la prima utilizare.

Pe lângă parcurgerea instalării clasice a Toolkit pe Windows, veți vedea și cum să utilizați CUDA cu WSL, să îl instalați cu Conda sau pip, să compilați exemple cu Visual Studio și să înțelegeți diferitele modele de drivere NVIDIA pe Windows. Informațiile sunt unificate și actualizate. Pe baza ghidurilor oficiale și a scenariilor din viața reală care ți s-ar putea întâmpla, cum ar fi un laptop cu un GPU hibrid AMD iGPU + NVIDIA dGPU.

Ce este CUDA și ce oferă în Windows?

CUDA Platforma și modelul de programare paralelă al NVIDIA permite accelerarea aplicațiilor cu GPU-ulDe la inteligență artificială și știința datelor la simulări și procesare de imagini. La nivel practic, instalarea CUDA Toolkit pe Windows vă oferă compilatorul nvcc, runtime-ul, biblioteci precum cuBLAS, cuFFT, cuRAND și cuSOLVER, instrumente de depanare și profilare și exemple gata de compilare.

Designul CUDA facilitează combinarea CPU și GPU în aceeași aplicație: componentele seriale în procesor și secțiunile paralele de pe GPU, care oferă sute sau mii de fire de execuție care rulează în paralel. Datorită memoriei partajate pe cip și bibliotecilor optimizate, saltul de performanță De obicei, se observă sub sarcini intense.

Compatibilitatea sistemului și a compilatorului în Windows

Înainte de a utiliza programul de instalare, este recomandabil să verificați compatibilitatea. Windows compatibil Versiunile recente ale setului de instrumente includ: Windows 11 24H2, 23H2 și 22H2-SV2; Windows 10 22H2; și Windows Server 2022 și 2025.

În compilatoare, suportul tipic include MSVC 193x cu Visual Studio 2022 17.x și MSVC 192x cu Visual Studio 2019 16.x, cu dialecte C++11, C++14, C++17 și C++20 (în funcție de versiune). Visual Studio 2015 a fost perimat în CUDA 11.1; VS 2017 a fost perimat în 12.5 și eliminat în 13.0. Verificați matricea exactă a versiunii dvs. pentru a evita sperieturile.

Important pentru proiectele vechi: Începând cu CUDA 12.0, compilarea pe 32 de biți este eliminată, iar execuția fișierelor binare x86 pe 32 de biți pe sistemele x64 este limitată la șofer, litru și matematică pe plăci grafice GeForce până la arhitectura Ada; Hopper nu mai suportă 32 de biți.

Selectați și instalați Toolkit-ul pe Windows

Descărcați programul de instalare de pe site-ul oficial NVIDIA CUDA. Puteți alege Instalator de rețea (descărcare minimă care folosește internetul pentru restul) sau Instalator complet (toate într-un singur pachet, util pentru mașini fără rețea sau implementări la nivel de întreprindere). După descărcare, verificați integritatea cu suma de control (de exemplu, MD5) pentru a exclude coruperea.

Rulați programul de instalare grafic și urmați pașii de pe ecran. Citiți Notele de lansare pentru versiunea dvs. deoarece detaliază modificările, compatibilitățile exacte și avertismentele critice. Începând cu CUDA 13, programul de instalare Toolkit nu mai include driverul. Driverul NVIDIA se instalează separat. de pe pagina driverelor corespunzătoare.

Instalare silențioasă și selecție a componentelor

Dacă trebuie să implementați silențios, programul de instalare acceptă modul fără interfață cu opțiunea -s și permite selectați subpachete specifice după nume în loc să instalați totul. De asemenea, puteți preveni repornirile automate cu -n. Această granularitate este utilă pentru personalizarea mediilor de compilare și reducerea amprentei.

Printre subpachetele obișnuite veți găsi articole precum nvcc, cudart, cuBLAS, cuFFT, cuRAND, cuSOLVER, cuSPARSENsight Compute, Nsight Systems, integrare Visual Studio, NVRTC, NVTX, NVJitLink, demanglere și utilitare precum cuobjdump sau nvdisasm. Dacă veți compila și crea profiluri, alegeți instrumentele NsightDacă doar îl rulezi, timpul de execuție ar putea fi suficient.

Extrageți fișierul de instalare și examinați conținutul

Pentru audit sau pachete corporative, instalatorul complet poate fi extras folosind instrumente care acceptă LZMA, cum ar fi 7-Zip sau WinZip. Veți găsi arborele și modulele CUDAToolkit Fișierele de integrare Visual Studio sunt plasate în foldere separate. Fișierele .dll și .nvi din aceste foldere nu fac parte din conținutul instalabil în sine.

Instalați CUDA pe Windows cu Conda

Dacă preferați să gestionați mediul cu Conda, NVIDIA publică pachete la anaconda.org/nvidia. O instalare de bază a Toolkit-ului Se face cu o singură comandă, `conda install`, și puteți remedia și versiunile anterioare adăugând eticheta `release`, de exemplu, pentru a bloca versiunea 11.3.1. dezinstalare E la fel de direct.

Instalați CUDA prin pip (roți)

NVIDIA oferă discuri Python axate pe runtime-ul CUDA pentru Windows. Acestea sunt destinate în principal pentru folosind CUDA cu Python și nu includ toate instrumentele de dezvoltare. Mai întâi, instalează nvidia-pyindex astfel încât pip să cunoască indexul NVIDIA NGC și asigură-te că ai pip și setuptools actualizate pentru a evita erorile. Apoi instalați metapachetele de care aveți nevoie, cum ar fi nvidia-cuda-runtime-cu12 sau nvidia-cublas-cu12.

Aceste metapachete vizează pachete specifice, cum ar fi nvidia-cublas-cu129, nvidia-cuda-nvrtc-cu129, nvidia-npp-cu129 și altele. Rețineți că mediul este gestionat de pip.Dacă doriți să utilizați CUDA în afara mediului virtual, va trebui să ajustați căile de sistem și variabilele pentru a se conecta corect.

Verificați instalarea pe Windows

Deschideți o linie de comandă și executați comanda nvcc -V pentru a confirma versiunea instalată. Clonează mostrele CUDA Descărcați exemplele de pe GitHub și compilați-le cu Visual Studio. Rulați deviceQuery și bandwidthTest: dacă există o comunicare reușită cu GPU-ul, veți vedea dispozitivul detectat și trecerea testelor Nicio eroare. Dacă deviceQuery nu găsește dispozitive, verifică driverul și dacă GPU-ul este vizibil în sistem.

WSL cu accelerare CUDA

Windows 11 și cele mai recente versiuni de Windows 10 acceptă rularea framework-urilor și instrumentelor ML accelerate de CUDA în cadrul WSL, inclusiv PyTorch, TensorFlow și Docker Folosind NVIDIA Container Toolkit, instalați mai întâi driverul compatibil cu CUDA în WSL, apoi activați WSL și instalați o distribuție glibc, cum ar fi Ubuntu sau Debian.

Asigurați-vă că aveți un kernel WSL actualizat (minim 5.10.43.3). Verifică-l cu Folosește `wsl cat /proc/version` din PowerShell. Apoi, urmează ghidul utilizatorului CUDA din WSL pentru a instala biblioteci și containere și a începe să rulezi fluxurile de lucru Linux pe Windows fără a părăsi mediul tău.

Dezinstalați CUDA pe Windows

După instalarea CUDA pe Windows, doriți să reveniți la versiunea anterioară? Toate subpachetele pot fi anulate. Dezinstalare din Panoul de control Utilizarea programelor și caracteristicilor. Dacă gestionați setul de instrumente cu Conda sau pip, utilizați mecanismele de dezinstalare ale fiecărui manager pentru a evita lăsarea de urme de pachete.

Note de compatibilitate a versiunilor

CUDA 11.8 a fost o versiune foarte populară datorită stabilității și suportului pentru ecosistem. Cerințe tipice Pentru 11.8: GPU cu capacitate de calcul 3.0 sau ulterioară, 64 de biți, minimum 8 GB de RAM și cel puțin 4 GB de memorie GPU. Pe Linux, se integrează bine cu distribuții precum Ubuntu 18.04/20.04, RHEL/CentOS 7/8 etc.

CUDA 12.x introduce îmbunătățiri la runtime și bibliotecă și lansează dependențele cele mai recente drivereCUDA 13 separă permanent driverul de programul de instalare Toolkit: nu uitați să instalați driverul singur. Clarificare importantăCUDA este o tehnologie NVIDIA și necesită GPU-uri NVIDIA; dacă vedeți undeva că este compatibilă și cu GPU-urile AMD, acest lucru nu este corect pentru stiva CUDA.

Instalarea CUDA pe Windows: Depanarea problemelor frecvente

• Programul de instalare eșuează sau nu termină treaba.Verificați jurnalele de instalare și verificați antivirusul, spațiul pe disc și permisiunile de administrator. Încercați din nou cu programul de instalare complet dacă rețeaua este instabilă sau în modul silențios dacă există conflicte de interfață.
• deviceQuery nu detectează GPU-ulVerificați dacă driverul este corect, dacă GPU-ul este activ și dacă aplicația utilizează dGPU-ul. Actualizați driverul și reinstalați Toolkit-ul dacă este necesar.
• Conflicte cu librăriileDacă aveți instalate mai multe seturi de instrumente, validați CUDA_PATH și PATH. În Python, verificați dacă versiunile PyTorch sau TensorFlow și configurațiile acestora sunt compatibile cu versiunea dvs. CUDA/cuDNN.
• Visual Studio nu compilează .cuAdăugați particularizările CUDA Build la proiectul dvs. și marcați fișierele .cu ca CUDA C/C++. Verificați dacă MSVC este compatibil cu setul de instrumente.

Instrumente, mostre și documentație

Pe lângă nvcc și biblioteci, setul de instrumente pentru instalarea CUDA pe Windows include profiluri și analizoare precum Nsight Systems și Nsight Compute, precum și documentație HTML/PDF pentru limbajul CUDA C++ și bune practiciExemplele oficiale sunt pe GitHub și reprezintă o bază excelentă pentru validarea driverelor, a performanței memoriei și a multiprocesoarelor.

Când să folosești Conda sau PIP față de instalatorul clasic

Conda și pip sunt ideale atunci când te concentrezi pe rularea framework-urilor ML care deja includ dependențe compatibile cu versiuni CUDA specifice. avantajIzolare a mediului și mai puține frecări. Dezavantaj: Pentru dezvoltarea nativă C++ sau integrarea completă cu VS, instalatorul clasic Toolkit oferă toate instrumentele și cea mai completă experiență.

Întrebări frecvente rapide

• Cum știu dacă GPU-ul meu este compatibil cu CUDA? Deschide Device Manager, accesează Display Adapters și verifică modelul; compară-l cu lista oficială NVIDIA de GPU-uri CUDA. De asemenea, poți rula nvidia-smi și confirma că GPU-ul tău apare.
• Mă pot antrena fără CUDA? Da, va funcționa pe procesor, dar va fi mai lent. Pentru a utiliza GPU-ul cu PyTorch sau TensorFlow pe Windows, asigurați-vă că instalați versiuni compatibile cu versiunea dvs. de CUDA sau utilizați WSL cu containere NVIDIA.
• Versiuni mai vechi specificeUnele instrumente necesită combinații precum CUDA 10.1 cu cuDNN 7.6.4. În acest caz, instalați exact acele versiuni și plasați DLL al cuDNN în folderul bin al setului de instrumente corespunzător, evitând existența mai multor cuDNN-uri în același timp.

Dacă vrei să instalezi CUDA pe Windows și să-ți accelerezi munca cu un ghid complet, pașii și recomandările de mai sus te vor ajuta să termini totul. Se potrivește perfect. de la prima construcție.