Cách cài đặt CUDA trên Windows mà không gặp lỗi: hướng dẫn dành cho nhà phát triển và người sáng tạo

Cài đặt CUDA trên Windows Bạn sẽ không phải đau đầu nếu biết bắt đầu từ đâu và cần kiểm tra những gì ở mỗi bước. Trong bài viết này tôi sẽ hướng dẫn bạn một cách thực tế, với đầy đủ các sắc thái về khả năng tương thích, cài đặt, xác minh và khắc phục sự cố thông thường để đảm bảo bộ công cụ hoạt động hoàn hảo trên máy tính của bạn ngay lần đầu tiên.

Ngoài việc tìm hiểu cách cài đặt Toolkit cổ điển trên Windows, bạn cũng sẽ thấy cách sử dụng CUDA với WSL, cài đặt bằng Conda hoặc pip, biên dịch các ví dụ bằng Visual Studio và hiểu các mô hình trình điều khiển NVIDIA khác nhau trên Windows. Thông tin được thống nhất và cập nhật. Dựa trên các hướng dẫn chính thức và các tình huống thực tế có thể xảy ra với bạn, chẳng hạn như máy tính xách tay có GPU lai AMD iGPU + NVIDIA dGPU.

CUDA là gì và nó mang lại lợi ích gì cho Windows?

CUDA Đây là nền tảng và mô hình lập trình song song của NVIDIA cho phép tăng tốc các ứng dụng với GPUTừ AI và khoa học dữ liệu đến mô phỏng và xử lý hình ảnh. Trên thực tế, việc cài đặt CUDA Toolkit trên Windows cung cấp cho bạn trình biên dịch nvcc, thời gian chạy, các thư viện như cuBLAS, cuFFT, cuRAND và cuSOLVER, các công cụ gỡ lỗi và lập hồ sơ, cùng các ví dụ sẵn sàng để biên dịch.

Thiết kế CUDA giúp dễ dàng kết hợp CPU và GPU trong cùng một ứng dụng: các bộ phận các chuỗi trong bộ xử lý và các phần song song trên GPU, cung cấp hàng trăm hoặc hàng nghìn luồng chạy song song. Nhờ bộ nhớ trên chip được chia sẻ và các thư viện được tối ưu hóa, bước nhảy vọt về hiệu suất Thông thường, hiện tượng này có thể nhận thấy rõ khi tải trọng lớn.

Khả năng tương thích của hệ thống và trình biên dịch trong Windows

Trước khi sử dụng trình cài đặt, bạn nên kiểm tra khả năng tương thích. Windows tương thích Các phiên bản gần đây của bộ công cụ bao gồm: Windows 11 24H2, 23H2 và 22H2-SV2; Windows 10 22H2; và Windows Server 2022 và 2025.

Trong trình biên dịch, hỗ trợ điển hình bao gồm MSVC 193x với Visual Studio 2022 17.x và MSVC 192x với Visual Studio 2019 16.x, với các ngôn ngữ C++11, C++14, C++17 và C++20 (tùy theo phiên bản). Visual Studio 2015 đã bị loại bỏ trong CUDA 11.1; VS 2017 đã bị loại bỏ trong 12.5 và bị xóa khỏi 13.0. Kiểm tra ma trận chính xác của phiên bản của bạn để tránh sợ hãi.

Quan trọng đối với các dự án cũ: Bắt đầu với CUDA 12.0, biên dịch 32-bit sẽ bị loại bỏ và việc thực thi các tệp nhị phân x86 32-bit trên các hệ thống x64 bị giới hạn ở tài xế, quart và toán học trên GPU GeForce lên đến kiến ​​trúc Ada; Hopper không còn hỗ trợ 32 bit.

Chọn và cài đặt Toolkit trên Windows

Tải xuống trình cài đặt từ trang web chính thức của NVIDIA CUDA. Bạn có thể chọn Trình cài đặt mạng (tải xuống tối thiểu sử dụng internet cho phần còn lại) hoặc Trình cài đặt đầy đủ (tất cả trong một gói duy nhất, hữu ích cho máy móc không có mạng hoặc triển khai doanh nghiệp). Sau khi tải xuống, hãy xác minh tính toàn vẹn bằng tổng kiểm tra (ví dụ: MD5) để loại trừ lỗi.

Chạy trình cài đặt đồ họa và làm theo các bước trên màn hình. Đọc Ghi chú phát hành cho phiên bản của bạn vì nó nêu chi tiết các thay đổi, khả năng tương thích chính xác và các cảnh báo quan trọng. Bắt đầu từ CUDA 13, trình cài đặt Toolkit không còn bao gồm trình điều khiển nữa. Trình điều khiển NVIDIA được cài đặt riêng. từ trang trình điều khiển tương ứng.

Cài đặt và lựa chọn linh kiện không gây tiếng ồn

Nếu bạn cần triển khai âm thầm, trình cài đặt chấp nhận chế độ không có giao diện với tùy chọn -s và cho phép chọn các gói phụ cụ thể theo tên thay vì cài đặt toàn bộ. Bạn cũng có thể ngăn tự động khởi động lại bằng tùy chọn -n. Mức độ chi tiết này hữu ích cho việc tùy chỉnh môi trường xây dựng và giảm thiểu dung lượng hệ thống.

Trong số các gói phụ thông thường, bạn sẽ tìm thấy các mục như nvcc, cudart, cuBLAS, cuFFT, cuRAND, cuSOLVER, cuSPARSENsight Compute, Nsight Systems, tích hợp Visual Studio, NVRTC, NVTX, NVJitLink, demanglers và các tiện ích như cuobjdump hoặc nvdisasm. Nếu bạn định biên dịch và lập hồ sơ, chọn các công cụ NsightNếu bạn chỉ chạy nó thì thời gian chạy có thể là đủ.

Giải nén trình cài đặt và xem lại nội dung

Đối với việc kiểm tra hoặc đóng gói cho doanh nghiệp, có thể trích xuất toàn bộ trình cài đặt bằng các công cụ hỗ trợ LZMA như 7-Zip hoặc WinZip. Bạn sẽ tìm thấy cây CUDAToolkit và các mô-đun Các tệp tích hợp Visual Studio được đặt trong các thư mục riêng biệt. Các tệp .dll và .nvi trong các thư mục đó không phải là một phần của nội dung cài đặt.

Cài đặt CUDA trên Windows bằng Conda

Nếu bạn muốn quản lý môi trường bằng Conda, NVIDIA sẽ phát hành các gói tại anaconda.org/nvidia. Cài đặt cơ bản của Bộ công cụ Việc này được thực hiện chỉ bằng một lệnh duy nhất, `conda install`, và bạn cũng có thể sửa các phiên bản trước đó bằng cách thêm thẻ `release`, ví dụ, để khóa phiên bản 11.3.1. gỡ cài đặt Cũng trực tiếp như vậy.

Cài đặt CUDA thông qua pip (wheels)

NVIDIA cung cấp các bánh xe Python tập trung vào thời gian chạy CUDA cho Windows. Chúng chủ yếu dành cho sử dụng CUDA với Python và chúng không bao gồm đầy đủ các công cụ phát triển. Trước tiên, hãy cài đặt nvidia-pyindex để pip biết chỉ mục NVIDIA NGC, và đảm bảo bạn đã cập nhật pip và setuptools để tránh lỗi. Sau đó cài đặt các gói siêu dữ liệu mà bạn cần, chẳng hạn như nvidia-cuda-runtime-cu12 hoặc nvidia-cublas-cu12.

Các gói siêu dữ liệu này nhắm mục tiêu vào các gói cụ thể như nvidia-cublas-cu129, nvidia-cuda-nvrtc-cu129, nvidia-npp-cu129 và các gói khác. Hãy nhớ rằng môi trường được quản lý bởi pip.Nếu bạn muốn sử dụng CUDA bên ngoài virtualenv, bạn sẽ cần điều chỉnh đường dẫn hệ thống và biến để liên kết chính xác.

Xác minh cài đặt trên Windows

Mở dấu nhắc lệnh và chạy nvcc -V để xác nhận phiên bản đã cài đặt. Sao chép các mẫu CUDA Tải xuống các ví dụ từ GitHub và biên dịch chúng bằng Visual Studio. Chạy deviceQuery và bandwidthTest: nếu giao tiếp thành công với GPU, bạn sẽ thấy thiết bị được phát hiện và vượt qua các bài kiểm tra Không có lỗi. Nếu deviceQuery không tìm thấy thiết bị, hãy kiểm tra trình điều khiển và GPU có hiển thị trong hệ thống không.

WSL với khả năng tăng tốc CUDA

Windows 11 và các phiên bản mới nhất của Windows 10 hỗ trợ chạy các khuôn khổ và công cụ ML được tăng tốc bằng CUDA trong WSL, bao gồm PyTorch, TensorFlow và Docker Sử dụng NVIDIA Container Toolkit, trước tiên hãy cài đặt trình điều khiển hỗ trợ CUDA trong WSL, sau đó bật WSL và cài đặt bản phân phối glibc như Ubuntu hoặc Debian.

Đảm bảo bạn có kernel WSL được cập nhật (tối thiểu là 5.10.43.3). Kiểm tra nó với Sử dụng `wsl cat /proc/version` từ PowerShell. Sau đó, làm theo hướng dẫn sử dụng CUDA trong WSL để cài đặt thư viện và vùng chứa, rồi bắt đầu chạy quy trình làm việc Linux trên Windows mà không cần rời khỏi môi trường của bạn.

Gỡ cài đặt CUDA trên Windows

Sau khi cài đặt CUDA trên Windows, bạn có muốn quay lại phiên bản trước không? Tất cả các gói con đều có thể được quay lại. Gỡ cài đặt từ Bảng điều khiển Sử dụng Chương trình và Tính năng. Nếu bạn quản lý bộ công cụ bằng Conda hoặc pip, hãy sử dụng cơ chế gỡ cài đặt của từng trình quản lý để tránh để lại bất kỳ phần còn lại nào của gói.

Ghi chú về khả năng tương thích phiên bản

CUDA 11.8 là phiên bản phát hành rất phổ biến do tính ổn định và hỗ trợ hệ sinh thái của nó. Yêu cầu điển hình Đối với phiên bản 11.8: GPU có Compute Capability 3.0 trở lên, 64-bit, RAM tối thiểu 8 GB và bộ nhớ GPU tối thiểu 4 GB. Trên Linux, nó tích hợp tốt với các bản phân phối như Ubuntu 18.04/20.04, RHEL/CentOS 7/8, v.v.

CUDA 12.x giới thiệu các cải tiến về thời gian chạy và thư viện và đẩy các phụ thuộc của trình điều khiển mới nhấtCUDA 13 tách biệt vĩnh viễn trình điều khiển khỏi trình cài đặt Toolkit: hãy nhớ tự cài đặt trình điều khiển. Làm rõ quan trọngCUDA là công nghệ NVIDIA và yêu cầu GPU NVIDIA; nếu bạn thấy ở đâu đó nói rằng công nghệ này cũng tương thích với GPU AMD thì điều đó không đúng với ngăn xếp CUDA.

Cài đặt CUDA trên Windows: Khắc phục sự cố thường gặp

• Trình cài đặt không thành công hoặc không hoàn thành công việc.Kiểm tra nhật ký cài đặt và xác minh phần mềm diệt vi-rút, dung lượng ổ đĩa và quyền quản trị. Thử lại bằng Trình cài đặt đầy đủ nếu mạng không ổn định hoặc ở chế độ im lặng nếu có xung đột giao diện người dùng.
• deviceQuery không phát hiện được GPUKiểm tra xem trình điều khiển đã đúng chưa, GPU có đang hoạt động không và ứng dụng có đang sử dụng dGPU không. Cập nhật trình điều khiển và cài đặt lại Bộ công cụ nếu cần.
• Xung đột với các hiệu sáchNếu bạn đã cài đặt nhiều bộ công cụ, hãy xác thực CUDA_PATH và PATH. Trong Python, hãy kiểm tra xem phiên bản PyTorch hoặc TensorFlow và cấu hình của chúng có tương thích với phiên bản CUDA/cuDNN của bạn không.
• Visual Studio không biên dịch được .cuThêm Tùy chỉnh Xây dựng CUDA vào dự án của bạn và đánh dấu các tệp .cu là CUDA C/C++. Kiểm tra xem MSVC có tương thích với bộ công cụ của bạn không.

Công cụ, mẫu và tài liệu

Ngoài nvcc và các thư viện, Bộ công cụ để cài đặt CUDA trên Windows bao gồm các cấu hình và trình phân tích như Nsight Systems và Nsight Compute, cùng tài liệu HTML/PDF cho ngôn ngữ CUDA C++ và thực hành tốt nhấtCác ví dụ chính thức có trên GitHub và là cơ sở tuyệt vời để xác thực trình điều khiển, hiệu suất bộ nhớ và bộ xử lý đa lõi.

Khi nào nên sử dụng Conda hoặc pip so với trình cài đặt cổ điển

Conda và pip là lựa chọn lý tưởng khi bạn tập trung vào việc chạy các framework ML có gói các phụ thuộc phù hợp với các phiên bản CUDA cụ thể. Lợi thếCô lập môi trường và giảm thiểu ma sát. Nhược điểm: Đối với việc phát triển C++ gốc hoặc tích hợp hoàn toàn với VS, trình cài đặt Toolkit cổ điển cung cấp tất cả các công cụ và trải nghiệm trọn vẹn nhất.

Câu hỏi thường gặp nhanh

• Làm sao để biết GPU của tôi có tương thích với CUDA không? Mở Trình quản lý Thiết bị, vào mục Bộ điều hợp Hiển thị và kiểm tra model; so sánh với danh sách GPU CUDA chính thức của NVIDIA. Bạn cũng có thể chạy nvidia-smi và xác nhận. GPU của bạn xuất hiện.
• Tôi có thể tập luyện mà không cần CUDA không? Có, nó sẽ hoạt động trên CPU, nhưng sẽ chậm hơn. Để sử dụng GPU với PyTorch hoặc TensorFlow trên Windows, hãy đảm bảo bạn đã cài đặt bản dựng tương thích với phiên bản CUDA của bạn hoặc sử dụng WSL với các container NVIDIA.
• Các phiên bản cũ hơn cụ thểMột số công cụ yêu cầu kết hợp như CUDA 10.1 với cuDNN 7.6.4. Trong trường hợp đó, hãy cài đặt các phiên bản chính xác đó và đặt DLL của cuDNN trong thư mục bin của bộ công cụ tương ứng, tránh việc có nhiều cuDNN cùng một lúc.

Nếu bạn muốn cài đặt CUDA trên Windows và tăng tốc công việc bằng hướng dẫn đầy đủ, các bước và khuyến nghị trên sẽ giúp bạn hoàn thành mọi việc. Nó vừa khít như găng tay. từ bản dựng đầu tiên.