要下载并配置与 Python 配合使用的 CUDA 和 cuDNN 库，需要根据目标深度学习框架（如 PyTorch 或 TensorFlow）的版本要求来选择合适的 CUDA 和 cuDNN 版本。以下是一个完整的指南，涵盖从选择版本到安装的具体步骤。 ### 选择合适的 CUDA 和 cuDNN 版本 1. **确定 Python 版本**：确保已知当前使用的 Python 版本（例如 Python 3.8 或 Python 3.9）。 2. **确认 PyTorch/TensorFlow 版本**：不同版本的深度学习框架对 CUDA 和 cuDNN 的支持不同。例如： - PyTorch 2.0 支持 CUDA 11.8[^3]。 - TensorFlow 2.13 支持 CUDA 11.2 和 cuDNN 8.5[^4]。 3. **匹配 CUDA 和 cuDNN 版本**：通常每个框架的文档会提供兼容性矩阵，用户可以根据该矩阵选择对应的 CUDA 和 cuDNN 版本。 ### 安装 CUDA Toolkit CUDA Toolkit 是 NVIDIA 提供的一套开发工具包，包含编译器、库和调试工具。安装方式如下： - **使用 Conda 安装**： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch ``` 这条命令将自动安装 PyTorch 及其所需的 CUDA Toolkit 11.8 版本[^4]。 - **手动安装**： 如果使用 pip 安装特定版本的 PyTorch，则可以选择带有 CUDA 支持的 wheel 文件： ```bash pip install torch-2.3.1+cu118-cp38-cp38-win_amd64.whl --trusted-host pypi.tuna.tsinghua.edu.cn ``` ### 安装 cuDNN cuDNN 是 NVIDIA 提供的用于加速深度神经网络计算的库，它通常与 CUDA Toolkit 一起使用。 - **通过 Conda 安装**： ```bash conda install cudnn ``` 这将自动安装与当前环境中的 CUDA 兼容的 cuDNN 版本。 - **验证安装**： 在 Python 中运行以下代码以检查是否成功启用 cuDNN： ```python import torch from torch.backends import cudnn print("Support CUDA?:", torch.cuda.is_available()) print("Support cuDNN?:", cudnn.is_available()) ``` ### 验证 CUDA 和 cuDNN 是否生效 可以运行以下代码片段来测试 GPU 加速功能是否正常工作： ```python import torch x = torch.tensor([10.0]) x = x.cuda() print(x) y = torch.randn(2, 3) y = y.cuda() print(y) z = x + y print(z) ``` 如果输出显示张量位于 GPU 上（例如 `device='cuda:0'`），则表示 CUDA 已正确启用[^1]。 ### 使用镜像源安装依赖库 对于一些依赖库（如 matplotlib），如果由于网络原因无法直接安装，可以使用国内镜像源加速下载过程： ```bash pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple ```