目录1--安装Nvidia驱动2--安装CUDA2-1--禁用nouveau2-2--选择CUDAToolkit2-3--下载和安装CUDAToolkit2-4--配置环境变量2-5--测试是否安装成功：3--安装CUDACuDNN4--测试pytorch能否使用Cuda1--安装Nvidia驱动①查看可安装的Nvidia驱动版本：ubuntu-driversdevices②安装相应版本的Nvidia驱动：博主这里选择的是第一个，也可以安装推荐（recommended）的版本sudoapt-getinstallnvidia-driver-515安装过程中，一般要设置一个密码，这个密码在后面重启
Windows系统cuda、cudnn与pytorch下载与安装的经验本文会分享自己在安装cuda、cudnn和pytorch过程中的经验与教训，包括涉及装错cuda版本后怎么卸载。下载链接CUDA下载：https://developer.nvidia.com/cuda-toolkit-archiveCUDNN下载：https://developer.nvidia.com/rdp/cudnn-downloadpytorch下载：pytorch.org检查版本打开NVIDIAControlPanel，查看自己的驱动能支持最高到什么版本的cuda。操作步骤如下：我的驱动最高可以支持cuda11.8
文章目录 👉引言💎一、Cuda安装1选择Cuda版本2下载及运行安装程序3测试二、Cudnn安装1、进入官网下载对应cuda版本的cudnn2、下载好相应版本并进行解压安装3、解压完成后4、测试 👉引言💎学习的最大理由是想摆脱平庸，早一天就多一份人生的精彩；迟一天就多一天平庸的困扰。热爱写作，愿意让自己成为更好的人……铭记于心🎉✨🎉我唯一知道的，便是我一无所知🎉✨🎉一、Cuda安装1选择Cuda版本首先查看电脑的显卡驱动版本，然后根据显卡驱动去选择相应的的cuda版本号有两种方式去查看电脑的显卡版本如果缺失驱动程序，那么可以再在https://www.nvidia.com/Download
目录1平台2目标3步骤3.1驱动1更新apt软件源2使用apt安装驱动3重启计算机4验证3.2CUDA1CUDAToolkit安装2环境变量设置3POWER9设置4重启计算机5验证3.3cuDNN1配置临时环境变量2添加apt库3安装cuDNN和cuDNN示例程序4验证3.4nvidia-docker21添加nvidia-docker2的GPGKeys2添加nvidia-docker2的apt库3更新apt软件源4使用apt安装nvidia-docker25重启计算机6验证References1平台OS：Pop!_OS22.04LTS本文所有输入输出都是在Pop!_OS22.04LTS上的。P
前言安装pytorch的教程网上有许多，我记录并分享下自己两台笔记本上安装NVIDIA驱动、CUDA、CUDNN、Pytorch的过程和心得。首先说明，安装pytorch-gpu需要完成nvidia驱动安装、CUDA安装、CUDNN安装、torch库安装，其中CUDA和CUDNN版本要对应，不同版本的torch对CUDA版本有要求，nvidia驱动决定了你可以安装多高版本的CUDA，因此这些东西的版本不能随便乱装，我的安装版本是：联想GTX1050笔记本：Ubuntu18+驱动470+CUDA10.0+CUDNNfor10.0+torch1.0.0+python3.6Ubuntu18+驱动47
Ubuntu20.04RTX4090显卡深度学习环境配置（Nvidia显卡驱动、CUDA11.6.0、cuDNN8.5）一、安装Nvidia显卡1.1输入显卡型号查看支持显卡驱动的版本1.1.1英伟达中国驱动官网1.1.2输入显卡型号查询1.1.3查看搜索结果1.2下载安装Nvidia1.2.1方法一1.2.1方法二二、安装CUDA11.6.02.1检测自己电脑GPU是否兼容CUDA（N卡支持）2.2进入CUDA官网2.3下载安装CUDA11.6.02.4安装CUDA11.6.0后的配置2.5利用测试CUDA的samples来测试cuda安装是否成功三、安装cuDNNv8.5.0(August
（已存网盘和硬盘，文件夹含三个文件）本文基本逻辑是：一、先根据电脑硬件的条件获取本身CUDA版本，据此以及表格比较得出cuDNN、torch、torchvision、python版本。二、在NVIDIA官网下载CUDA和cuDNN，获取torch的下载链接，网页提供python3.9的下载链接三、安装CUDA后，把cuDNN这个补丁装到CUDA里边，因为CUDAtoolkit是CUDA的工具包，cuDNN是CUDA的加速器补丁；用环境为python3.9的pycharm执行官网的pip命令操作完成torch和torchvision的下载最后检查—————————————————————————
（已存网盘和硬盘，文件夹含三个文件）本文基本逻辑是：一、先根据电脑硬件的条件获取本身CUDA版本，据此以及表格比较得出cuDNN、torch、torchvision、python版本。二、在NVIDIA官网下载CUDA和cuDNN，获取torch的下载链接，网页提供python3.9的下载链接三、安装CUDA后，把cuDNN这个补丁装到CUDA里边，因为CUDAtoolkit是CUDA的工具包，cuDNN是CUDA的加速器补丁；用环境为python3.9的pycharm执行官网的pip命令操作完成torch和torchvision的下载最后检查—————————————————————————
第一次在CSDN发文章，不是教程，只是备忘录！1）cuda、cudnn的卸载2）cuda、cudnn的重装3）pytorch安装4）pyg安装1）cuda、cudnn的卸载用"windows+I"快捷键打开设置，找到应用卸载，在搜索栏输入"NVIDIA"，查阅前人经验，除去下图红色框三个，其余全部卸载，但是我在卸载时全都卸载了，后面也还是成功安装了，并且成功运行。2）cuda、cudnn的重装为了能够同时使用pytorch和tensorflow的gpu版本，需要安装两者都能用的cuda版本，这里选择的是cuda11.0和cudnn8.0，参考的链接如下：同时安装Tensorflow&Pytor
我在Windows10上的GTX1070上运行keras神经网络训练和预测。大多数时候它工作正常，但有时它会提示Ec:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\cuda\cuda_dnn.cc:359]couldnotcreatecudnnhandle:CUDNN_STATUS_NOT_INITIALIZEDEc:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow
