### Win10上安装CUDA、cuDNN和PyTorch 2.5的指南 在Win10系统中安装CUDA、cuDNN和PyTorch 2.5需要遵循一系列步骤，以确保所有组件兼容并正确配置。以下是详细的安装指南： #### 1. 查看NVIDIA驱动版本 在安装CUDA之前，首先需要确认当前显卡驱动程序的版本是否支持目标CUDA版本。可以通过以下命令检查NVIDIA驱动版本： ```cmd nvidia-smi ``` 该命令会显示当前GPU的驱动版本信息[^1]。 #### 2. 确定CUDA Toolkit版本 根据NVIDIA官方文档，PyTorch 2.5通常需要CUDA 12.x或更高版本的支持。因此，下载与之兼容的CUDA Toolkit版本。可以从[NVIDIA CUDA Toolkit Archive](https://developer.nvidia.com/cuda-toolkit-archive)下载对应的CUDA版本[^4]。 #### 3. 安装CUDA Toolkit 下载完成后，运行CUDA Toolkit的安装程序。在安装过程中，选择自定义安装选项，并确保勾选了以下内容： - CUDA Toolkit - cuBLAS库 - cuFFT库 完成安装后，记得重启计算机以使环境变量生效[^1]。 #### 4. 下载并配置cuDNN cuDNN是深度学习框架的重要依赖库，需与CUDA版本保持一致。从[NVIDIA cuDNN Download Page](https://developer.nvidia.com/cudnn)下载对应版本的cuDNN文件。解压后将`bin`、`include`和`lib`目录中的文件复制到CUDA Toolkit的安装路径下[^2]。 #### 5. 配置系统环境变量 为了使系统能够识别CUDA和cuDNN，需要添加以下环境变量： - 在`Path`变量中添加CUDA的`bin`目录路径（例如：`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\bin`）。 - 添加`CUDA_PATH`变量，指向CUDA的安装根目录。 完成后，重启计算机或运行以下命令以刷新环境变量： ```cmd refreshenv ``` #### 6. 安装PyTorch 2.5 PyTorch 2.5可以通过`conda`或`pip`进行安装。推荐使用`conda`以简化依赖管理。运行以下命令： ```bash conda install pytorch=2.5 torchvision torchaudio cudatoolkit=12.0 -c pytorch -c nvidia ``` 如果使用`pip`，可以执行以下命令： ```bash pip install torch==2.5 torchvision torchaudio --index-url https://download.pytorch.org/whl/cu120 ``` 上述命令中的`cu120`表示CUDA 12.0版本[^5]。 #### 7. 验证安装 完成安装后，可以通过以下Python代码验证PyTorch是否成功利用GPU： ```python import torch print("CUDA Available:", torch.cuda.is_available()) print("CUDA Version:", torch.version.cuda) print("PyTorch Version:", torch.__version__) ``` 如果输出显示`CUDA Available: True`，则说明安装成功[^3]。 --- ###