一、Windows下CUDA卸载
- 打开控制面板，找到需要卸载的项目
- 红框里面的都删掉，C盘里面C:\Program Files\NVIDIA GPU Computing Toolkit文件也可以删除了，用杀毒软件垃圾扫描下，清理下电脑，主要是清理注册表。
1. 查看自己N卡支持的CUDA版本
- 右键打开NVIDIA控制面板，选择系统信息->组件
- NVIDIA控制面板下 系统信息 显示：CUDA10.2。这里CUDA10.2是支持的最高版本的CUDA，可以向下兼容，且可以安装多个版本的CUDA，可以通过更改环境变量来更改为你需要用到的CUDA版本
2. NVIDIA官网下载对应CUDA版本
3. CUDNN的下载
二、安装过程
1. 安装CUDA
- 安装路径，选择OK（安装完成后路径会自动变化，所以这里路径选择默认就好）
- 选择自定义安装，可以选择安装驱动，覆盖本机的驱动
- 不要选Visual Studio Integration，即使选了也不能成功安装
- 如果本机的驱动版本(当前版本)小于cuda对应的版本（新版本），则选择，否则不选。如果当前版本小于新版本，并且不覆盖安装，之后电脑会频繁蓝屏或死机
- 记住安装位置
- 安装好了，我们去如图所示的路径检查nvcc.exe是否存在，这个程序很重要。
- 再从如图的路径中检查这个动态库是否存在，这个动态库也很重要。
- 安装完成后配置环境，Path需要手动添加如下路径，对应上一步的安装路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\cudnn\bin
- 导入以后我们需要点击上移，把四个关于CUDA的环境变量路径置顶，至于这四个的顺序倒是没什么关系。点击确定后退出即可。
2. 安装cudnn
- 下载下来是个压缩包，解压完如图所示，名字叫cuda，里面有三个文件夹。我们需要把它的名字从cuda改成cudnn，没错，就是重命名。
- 把文件夹改名之后按照上图所示把它直接复制粘贴到上图的路径中就好了。
- 这里稍微检查一下，cudnn64_7.dll这个动态链接库存在不，这个库也很重要。
3. 测试CUDA
- 打开命令行工具，输入 nvcc -V。如图所示，就是配置成功了。
- 查询显卡算力
进入目录 deviceQuery.exe
>> cd D:\360Downloads\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite
运行 deviceQuery.exe
>> ./deviceQuery.exe
三、Tensorflow_gpu安装与测试
1. Tensorflow_gpu对应的CUDA版本
| 版本 | Python 版本 | 编译器 | 构建工具 | cuDNN | CUDA |
|---|---|---|---|---|---|
| tensorflow_gpu-2.6.0 | 3.6-3.9 | MSVC 2019 | Bazel 3.7.2 | 8.1 | 11.2 |
| tensorflow_gpu-2.5.0 | 3.6-3.9 | MSVC 2019 | Bazel 3.7.2 | 8.1 | 11.2 |
| tensorflow_gpu-2.4.0 | 3.6-3.8 | MSVC 2019 | Bazel 3.1.0 | 8.0 | 11.0 |
| tensorflow_gpu-2.3.0 | 3.5-3.8 | MSVC 2019 | Bazel 3.1.0 | 7.6 | 10.1 |
| tensorflow_gpu-2.2.0 | 3.5-3.8 | MSVC 2019 | Bazel 2.0.0 | 7.6 | 10.1 |
| tensorflow_gpu-2.1.0 | 3.5-3.7 | MSVC 2019 | Bazel 0.27.1-0.29.1 | 7.6 | 10.1 |
| tensorflow_gpu-2.0.0 | 3.5-3.7 | MSVC 2017 | Bazel 0.26.1 | 7.4 | 10 |
| tensorflow_gpu-1.15.0 | 3.5-3.7 | MSVC 2017 | Bazel 0.26.1 | 7.4 | 10 |
| tensorflow_gpu-1.14.0 | 3.5-3.7 | MSVC 2017 | Bazel 0.24.1-0.25.2 | 7.4 | 10 |
| tensorflow_gpu-1.13.0 | 3.5-3.7 | MSVC 2015 update 3 | Bazel 0.19.0-0.21.0 | 7.4 | 10 |
| tensorflow_gpu-1.12.0 | 3.5-3.6 | MSVC 2015 update 3 | Bazel 0.15.0 | 7.2 | 9.0 |
| tensorflow_gpu-1.11.0 | 3.5-3.6 | MSVC 2015 update 3 | Bazel 0.15.0 | 7 | 9 |
| tensorflow_gpu-1.10.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.9.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.8.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.7.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.6.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.5.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.4.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 6 | 8 |
| tensorflow_gpu-1.3.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 6 | 8 |
| tensorflow_gpu-1.2.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
| tensorflow_gpu-1.1.0 | 3.5 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
| tensorflow_gpu-1.0.0 | 3.5 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
2. 使用pip安装TensorFlow
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ tensorflow-gpu==2.0.0
3. 测试tensorflow是否安装成功
import tensorflow as tf
# 对于2.0以前版本
tf.test.is_gpu_available()
# 2.1以后版本
tf.config.list_physical_devices('GPU')
# 返回True表示成功
四、Pytorch安装与测试
1. Pytorch_gpu对应python版本
版本对应地址：https://github.com/pytorch/vision#installation
| torch | torchvision | python |
|---|---|---|
| main / nightly | main / nightly | >=3.7, <=3.10 |
| 1.11.0 | 0.12.0 | >=3.7, <=3.10 |
| 1.10.2 | 0.11.3 | >=3.6, <=3.9 |
| 1.10.1 | 0.11.2 | >=3.6, <=3.9 |
| 1.10.0 | 0.11.1 | >=3.6, <=3.9 |
| 1.9.1 | 0.10.1 | >=3.6, <=3.9 |
| 1.9.0 | 0.10.0 | >=3.6, <=3.9 |
| 1.8.2 | 0.9.2 | >=3.6, <=3.9 |
| 1.8.1 | 0.9.1 | >=3.6, <=3.9 |
| 1.8.0 | 0.9.0 | >=3.6, <=3.9 |
| 1.7.1 | 0.8.2 | >=3.6, <=3.9 |
| 1.7.0 | 0.8.1 | >=3.6, <=3.8 |
| 1.7.0 | 0.8.0 | >=3.6, <=3.8 |
| 1.6.0 | 0.7.0 | >=3.6, <=3.8 |
| 1.5.1 | 0.6.1 | >=3.5, <=3.8 |
| 1.5.0 | 0.6.0 | >=3.5, <=3.8 |
| 1.4.0 | 0.5.0 | ==2.7, >=3.5, <=3.8 |
| 1.3.1 | 0.4.2 | ==2.7, >=3.5, <=3.7 |
| 1.3.0 | 0.4.1 | ==2.7, >=3.5, <=3.7 |
| 1.2.0 | 0.4.0 | ==2.7, >=3.5, <=3.7 |
| 1.1.0 | 0.3.0 | ==2.7, >=3.5, <=3.7 |
| <=1.0.1 | 0.2.2 | ==2.7, >=3.5, <=3.7 |
2. 使用pip安装PyTorch
# CUDA 10.2
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ torch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0
3. 测试pytorch是否安装成功
import torch
torch.cuda.is_available()
# 返回True表示成功