Як встановити CUDA на Windows без помилок: посібник для розробників та творців

Встановлення CUDA на Windows Це не обов'язково має бути головним болем, якщо ви знаєте, з чого почати і що перевіряти на кожному кроці. У цій статті я покажу вам практичний спосіб, з усіма нюансами сумісності, встановлення, перевірки та поширених несправностей, щоб забезпечити бездоганну роботу набору інструментів на вашому комп’ютері з першого разу.

Окрім розгляду класичного встановлення Toolkit у Windows, ви також побачите, як використовувати CUDA з WSL, встановити його за допомогою Conda або pip, скомпілювати приклади за допомогою Visual Studio та розібратися з різними моделями драйверів NVIDIA у Windows. Інформація уніфікована та актуальна. На основі офіційних посібників та реальних сценаріїв, які можуть трапитися з вами, наприклад, з ноутбуком із гібридним графічним процесором AMD iGPU + NVIDIA dGPU.

Що таке CUDA і які можливості вона пропонує у Windows?

CUDA Це платформа та модель паралельного програмування NVIDIA, яка дозволяє прискорення програм за допомогою графічного процесораВід штучного інтелекту та науки про дані до симуляцій та обробки зображень. На практичному рівні, встановлення CUDA Toolkit у Windows надає вам компілятор nvcc, середовище виконання, бібліотеки, такі як cuBLAS, cuFFT, cuRAND та cuSOLVER, інструменти налагодження та профілювання, а також готові до компіляції приклади.

Дизайн CUDA дозволяє легко поєднувати процесор та графічний процесор в одному застосунку: компоненти серійні номери в процесорі і паралельні секції на графічному процесорі, які забезпечують сотні або тисячі потоків, що працюють паралельно. Завдяки спільній вбудованій пам'яті та оптимізованим бібліотекам, стрибок продуктивності Зазвичай це помітно при інтенсивних навантаженнях.

Сумісність системи та компілятора у Windows

Перед використанням інсталятора рекомендується перевірити сумісність. Сумісні Windows Останні версії набору інструментів включають: Windows 11 24H2, 23H2 та 22H2-SV2; Windows 10 22H2; та Windows Server 2022 та 2025.

У компіляторах типова підтримка включає MSVC 193x з Visual Studio 2022 17.x та MSVC 192x з Visual Studio 2019 16.x, з діалектами C++11, C++14, C++17 та C++20 (залежно від версії). Visual Studio 2015 було вилучено з підтримки в CUDA 11.1; VS 2017 було вилучено з підтримки в 12.5 та видалено з 13.0. Перевірте точну матрицю вашої версії щоб уникнути переляків.

Важливо для застарілих проектів: Починаючи з CUDA 12.0, 32-бітна компіляція видалена, а виконання 32-бітних бінарних файлів x86 на системах x64 обмежено... водій, кварта та математика на графічних процесорах GeForce до архітектури Ada; Hopper більше не підтримує 32 біти.

Виберіть та встановіть набір інструментів у Windows

Завантажте інсталятор з офіційного сайту NVIDIA CUDA. Ви можете вибрати мережевий інсталятор (мінімальне завантаження, яке використовує Інтернет для решти) або повний інсталятор (все в одному пакеті, корисно для машини без мережі або корпоративні розгортання). Після завантаження перевірте цілісність за допомогою контрольної суми (наприклад, MD5), щоб виключити пошкодження.

Запустіть графічний інсталятор і виконайте інструкції на екрані. Прочитайте примітки до випуску для вашої версії оскільки він детально описує зміни, точну сумісність та критичні попередження. Починаючи з CUDA 13, інсталятор Toolkit більше не містить драйвера. Драйвер NVIDIA встановлюється окремо. з відповідної сторінки драйверів.

Тиха установка та вибір компонентів

Якщо вам потрібно розгортати без інтерфейсу, інсталятор приймає режим без інтерфейсу з параметром -s та дозволяє вибрати певні підпакети за назвою, замість встановлення всього. Ви також можете запобігти автоматичному перезапуску за допомогою -n. Така гранулярність корисна для налаштування середовищ збірки та зменшення займаного місця.

Серед звичайних підпакетів ви знайдете такі елементи, як nvcc, cudart, cuBLAS, cuFFT, cuRAND, cuSOLVER, cuSPARSENsight Compute, Nsight Systems, інтеграція з Visual Studio, NVRTC, NVTX, NVJitLink, засоби деманглерування та утиліти, такі як cuobjdump або nvdisasm. Якщо ви збираєтеся компілювати та профілювати, виберіть інструменти NsightЯкщо ви просто запускаєте його, часу виконання може бути достатньо.

Розпакуйте інсталятор та перегляньте його вміст

Для аудиту або корпоративного пакування повний інсталятор можна розпакувати за допомогою інструментів, що підтримують LZMA, таких як 7-Zip або WinZip. Ви знайдете дерево та модулі CUDAToolkit Файли інтеграції Visual Studio розміщені в окремих папках. Файли .dll та .nvi в цих папках не є частиною самого інстальованого вмісту.

Встановлення CUDA на Windows за допомогою Conda

Якщо ви надаєте перевагу керуванню середовищем за допомогою Conda, NVIDIA публікує пакети на сайті anaconda.org/nvidia. Базова інсталяція Toolkit Це робиться за допомогою однієї команди `conda install`, а також ви можете виправити попередні версії, додавши тег `release`, наприклад, щоб заблокувати версію 11.3.1. видалити Це так само прямо.

Встановлення CUDA через pip (колеса)

NVIDIA пропонує колісні системи Python, орієнтовані на середовище виконання CUDA для Windows. Вони в першу чергу призначені для використання CUDA з Python і вони не містять повних інструментів розробки. Спочатку встановіть nvidia-pyindex, щоб pip знав індекс NVIDIA NGC, і переконайтеся, що у вас оновлено pip та setuptools, щоб уникнути помилок. Потім встановіть метапакети які вам потрібні, такі як nvidia-cuda-runtime-cu12 або nvidia-cublas-cu12.

Ці метапакети призначені для певних пакетів, таких як nvidia-cublas-cu129, nvidia-cuda-nvrtc-cu129, nvidia-npp-cu129 та інші. Пам'ятайте, що середовищем керує pip.Якщо ви хочете використовувати CUDA поза віртуальним середовищем, вам потрібно буде налаштувати системні шляхи та змінні для правильного зв'язування.

Перевірте інсталяцію у Windows

Відкрийте командний рядок і виконайте команду nvcc -V, щоб підтвердити встановлену версію. Клонування зразків CUDA Завантажте приклади з GitHub та скомпілюйте їх за допомогою Visual Studio. Запустіть deviceQuery та bandwidthTest: якщо зв'язок з графічним процесором буде успішним, ви побачите, що пристрій виявлено, і проходження тестів Немає помилок. Якщо deviceQuery не знаходить пристрої, перевірте драйвер і те, чи видимий графічний процесор у системі.

WSL з прискоренням CUDA

Windows 11 та найновіші версії Windows 10 підтримують запуск фреймворків та інструментів машинного навчання з прискоренням CUDA в WSL, зокрема PyTorch, TensorFlow та Docker Використовуючи NVIDIA Container Toolkit, спочатку встановіть драйвер із підтримкою CUDA у WSL, потім увімкніть WSL та встановіть дистрибутив glibc, такий як Ubuntu або Debian.

Переконайтеся, що у вас оновлене ядро ​​WSL (мінімум 5.10.43.3). Перевірте це з Використайте `wsl cat /proc/version` з PowerShell. Потім дотримуйтесь інструкцій посібника користувача CUDA у WSL, щоб встановити бібліотеки та контейнери та розпочати роботу ваших робочих процесів Linux у Windows, не виходячи з вашого середовища.

Видалення CUDA у Windows

Після встановлення CUDA на Windows, чи хочете ви повернутися до попередньої версії? Усі підпакети можна повернути. Видалення з панелі керування Використання програм і компонентів. Якщо ви керуєте інструментарієм за допомогою Conda або pip, використовуйте механізми видалення кожного менеджера, щоб уникнути залишків пакетів.

Примітки щодо сумісності версій

CUDA 11.8 був дуже популярним релізом завдяки своїй стабільності та підтримці екосистеми. Типові вимоги Для версії 11.8: графічний процесор з обчислювальними можливостями 3.0 або вище, 64-розрядний, щонайменше 8 ГБ оперативної пам'яті та щонайменше 4 ГБ пам'яті графічного процесора. У Linux добре інтегрується з такими дистрибутивами, як Ubuntu 18.04/20.04, RHEL/CentOS 7/8 тощо.

CUDA 12.x впроваджує покращення середовища виконання та бібліотек, а також виводить залежності найновіші драйвериCUDA 13 остаточно відокремлює драйвер від інсталятора Toolkit: не забудьте встановити драйвер самостійно. Важливе роз'ясненняCUDA — це технологія NVIDIA, яка вимагає графічних процесорів NVIDIA; якщо ви десь бачите, що вона також сумісна з графічними процесорами AMD, це не стосується стеку CUDA.

Встановлення CUDA на Windows: усунення поширених проблем

• Інсталятор не працює або не завершує роботу.Перевірте журнали інсталятора та перевірте антивірус, обсяг дискового простору та права адміністратора. Повторіть спробу з повним інсталятором, якщо мережа нестабільна, або в беззвучному режимі, якщо є конфлікти інтерфейсу користувача.
• deviceQuery не виявляє графічний процесорПеревірте, чи драйвер правильний, чи активний графічний процесор, і чи програма використовує dGPU. За потреби оновіть драйвер і перевстановіть Toolkit.
• Конфлікти з книгарнямиЯкщо у вас встановлено кілька інструментальних наборів, перевірте CUDA_PATH та PATH. У Python перевірте, чи версії PyTorch або TensorFlow та їхні конфігурації сумісні з вашою версією CUDA/cuDNN.
• Visual Studio не компілюється .cuДодайте налаштування збірки CUDA до свого проєкту та позначте файли .cu як CUDA C/C++. Перевірте, чи сумісний MSVC з вашим інструментарієм.

Інструменти, зразки та документація

Окрім nvcc та бібліотек, Toolkit для встановлення CUDA на Windows містить профілі та аналізатори, такі як Nsight Systems та Nsight Compute, а також документацію у форматі HTML/PDF для мови CUDA C++. кращі практикиОфіційні приклади знаходяться на GitHub і є чудовою основою для перевірки драйверів, продуктивності пам'яті та багатопроцесорності.

Коли використовувати Conda або pip, а коли класичний інсталятор

Conda та pip ідеально підходять, коли ви зосереджені на запуску фреймворків машинного навчання, які вже упаковують залежності, узгоджені з певними версіями CUDA. ПеревагаІзоляція середовища та менше тертя. Недолік: Для розробки на C++ або повної інтеграції з VS класичний інсталятор Toolkit пропонує всі інструменти і найповніший досвід.

Короткий опис поширених запитань

• Як дізнатися, чи сумісний мій графічний процесор з CUDA? Відкрийте диспетчер пристроїв, перейдіть до розділу «Відеоадаптери» та перевірте модель; порівняйте її з офіційним списком графічних процесорів CUDA від NVIDIA. Ви також можете запустити nvidia-smi та підтвердити це. З'являється ваш графічний процесор.
• Чи можу я тренуватися без CUDA? Так, це працюватиме на процесорі, але повільніше. Щоб використовувати графічний процесор із PyTorch або TensorFlow у Windows, переконайтеся, що ви встановили сумісні збірки з вашою версією CUDA або використовуйте WSL з контейнерами NVIDIA.
• Певні старіші версіїДеякі інструменти вимагають комбінацій, таких як CUDA 10.1 з cuDNN 7.6.4. У такому разі встановіть саме ці версії та розмістіть DLL-бібліотека cuDNN у папці bin відповідного набору інструментів, уникаючи одночасного використання кількох cuDNN.

Якщо ви хочете встановити CUDA на Windows та пришвидшити свою роботу за допомогою повного посібника, наведені вище кроки та рекомендації допоможуть вам у цьому. Він сидить як рукавичка. з першої збірки.