联想拯救者r7000p显卡RTX3060安装cuda及cudnn记录

link之家

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

安装CUDA

打开cuda安装包，弹出来的选择路径位置是解压缩的位置，安装完成后会自动删除，所以可以直接默认位置即可。
选择自定义

只勾选CUDA即可

我没有使用默认的安装地址，所以要mark下来，之后会用到！！重点！！一定要记好安装路径！！

显示Nsight fo Visual Studio 2017未安装，但2019已安装，应该问题不大

显示安装程序已完成，看了一下组件，只有个HD音频驱动程序未安装，也不知道这东西有什么用，但应该问题不大
反思一下！才想起来上一次旧电脑装cuda是选了精简安装，就一次性成功了。嘤嘤嘤这次选了自定义才会这样，一次一定…有机会还是旋回精简安装吧…毕竟旧电脑用了那么久也没觉得我的cuda有什么问题

CUDNN安装

打开cudnn文件夹，把cudnn中bin、include、lib/x64这三个文件夹里面的文件，分别全部复制到对应的cuda的bin、include、lib/x64文件夹内

务必要重启电脑.至此，就安装完毕啦。

方法一:
win+R
cmd
输入nvcc -V
显示版本号即成功
在这里插入图片描述
方法二:
D:\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\CUPTI\lib64内有cupti64_xxx.dll也说明安装成功.

方法三:
用命令行打开D:\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite内的bandwidthTest和deviceQuery,也说明安装成功.

我的电脑是华硕天选2，显卡是 RTX 3060，系统是Ubantu18.04。需要注意的是，我之前已经装好了 RTX 3060的驱动，所以在这里不讲显卡驱动安装。这里安装的版本为： cuda 11.3 cuDNN v8.2.1 (June 7th, 2021), for CUDA 11.x torch1.10.2+cu113 torchvision0.11.3+cu113 torchaudio==0.10.2+cu113 2，安装 cuda 进入这个网址：https://developer.nvidia c:\program files\nvidia gpu computing toolkit\ cuda \v10.0\include\sm_20_intrinsics.h(925): warning C4819: 该文件包含不能在当前代码页(936)中表示的字符。请将该文件保存为 Unicode 格式以防止数据丢失 nvcc.. 下载安装包（需要注册才能下载）提示：它和VS2019联合开发，所以要安装 VS2019具体安装步骤参考：https://zhuanlan.zhihu.com/p/590352632。 #3060 显卡下 CUDA + CUDNN +Paddle 安装的血泪史新电脑下3060 显卡安装 GPU版本的paddle环境遇到的坑，一路下来，遇到的报错有：1. CUDA 程序安装失败怎么办？ 2. （ CUDA capability sm_86 is not compatible）显卡算力不支持7.5怎么办？ 3.输入nvcc-v报错怎么办？什么原因？装这个 CUDA ，我真的是裂开，遇到各种各样的问题。主要我归纳下： 1.3060的不支持 cuda 10系列了，因为 cuda 10的算力是7+，30系列需要的显卡算力是8 之前已经安装成功了，也发了篇博客梳理了整套流程如下。ubuntu18.04 安装 pytorch、 cuda 、 cudnn 和miniconda_Toblerone_Wind的博客-CSDN博客_ubuntu18.04 安装 pytorchhttps但后续发现tensor变量不能转移到 cuda 上，即执行下面的语句会卡死。卡死也没报错信息，后来调试了很久发现是原先的 cuda 10.2版本太低了，不持支我的3060 显卡。装了 cuda 11.4发现又没有对应的pytorch，导致 cuda 无法和torch正常通讯。......... 一般不建议直接安装最高版本的 CUDA ，因为如果后续使用PyTorch或TensorFlow，95%的情况下是不兼容的（咱就是说稳定的总比最新的好）创建环境，环境名为mypytorch，可自己改想要的名称，也可以选择3.8版本的python。解压后,将 cudnn 目录下的文件对应放在 cuda 目录，即。安装 cuda toolkit，目前最新的版本为11.3.1。如果你还有TensorFlow的安装需求的话，也可在。前提最好仔细看，看了不一定有用，但不看一定没用！（3）觉得不保险，还可以去看一下环境变量有没有。

安装CUDA

CUDNN安装

测试是否安装成功