超详细!CUDA安装图文教学,cuda安装教程(超详细),避免踩坑

CUDA(Compute Unified Device Architecture)是NVIDIA开发的并行计算平台和编程模型,用于利用NVIDIA GPU的并行计算能力,所以强烈建议使用 NVIDIA(英伟达)显卡(注意这个大坑!!!!!!!)

查看cuda版本

查看NVIDIA(英伟达)显卡驱动 对cuda 的版本

输入命令 nvidia-smi

最高支持的CUDA版本为12.6,CUDA版本向下兼容,所以12.6版本以下的CUDA,都可以选择安装

如果 运行 nvidia-smi  发现命令无效,说明显卡驱动没有安装或者安装错误,可以跳转到安装显卡驱动的链接     

nvidia显卡驱动下载安装_nvidia geforce 820a显卡驱动-CSDN博客文章浏览阅读210次,点赞5次,收藏5次。显卡驱动版本和 GPU 信息。根据自己的显卡的型号,选择显卡驱动。AI开发环境配置,_nvidia geforce 820a显卡驱动 https://blog.csdn.net/java_man1/article/details/161898706?spm=1011.2415.3001.10575&sharefrom=mp_manage_link

下载cuda

视频教程  【手把手教学CUDA安装教程】

cuda 下载地址 访问 NVIDIA 官网 CUDA Toolkit 下载页,

CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive选择合适的版本,cuda版本选择好了后  你的pytorch版本也就定了,选择之前慎重

选择 Windows 对应版本,下载 exe 文件    选择安装

pytorch对应的cuda 版本,cuda 安装好了,pytorch版本不对应也用不了cuda,坑!!!!


# ROCM 7.2 (Linux only)
pip install torch==2.11.0 torchvision==0.26.0 torchaudio==2.11.0 --index-url https://download.pytorch.org/whl/rocm7.2
# CUDA 12.6
pip install torch==2.11.0 torchvision==0.26.0 torchaudio==2.11.0 --index-url https://download.pytorch.org/whl/cu126
# CUDA 12.8
pip install torch==2.11.0 torchvision==0.26.0 torchaudio==2.11.0 --index-url https://download.pytorch.org/whl/cu128
# CUDA 13.0
pip install torch==2.11.0 torchvision==0.26.0 torchaudio==2.11.0 --index-url https://download.pytorch.org/whl/cu130
# CPU only
pip install torch==2.11.0 torchvision==0.26.0 torchaudio==2.11.0 --index-url https://download.pytorch.org/whl/cpu

安装cuda

选择精简安装

点击复选框,  I understand and wish to continue the installation regardless(我理解并希望继续进行安装)

安装 完毕 查看环境变量,在环境变量中 会出现cuda 的安装路径

右键“此电脑”选属性,

点“高级系统设置”,

再点“环境变量”按钮,

这里能分用户和系统变量查看 。

检测cuda

检验 cuda是否安装成功

nvcc --version  出现cuda 安装的版本说明成功

安装cuDNN

CUDA提供了通用的并行计算平台和编程模型,而cuDNN则是针对AI模型用进行了优化的GPU加速库,二者结合起来可以实现高效的AI模型训练和推理。

根据cuda 的版本选择cuDNN的版本,这个是坑!!!!!

https://developer.nvidia.com/rdp/cudnn-archivehttps://developer.nvidia.com/rdp/cudnn-archive

下载cuDNN

点击对应的版本,选择合适的操作系统

输入email 

解压cuDNN

下载文件,并且解压

替换文件

检查cuDNN

在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\extras\demo_suite  打开终端窗口

输入命令.\bandwidthTest.exe

出现pass 代表成功

内容概要:本文围绕可变桨叶四旋翼无人机的规范控制与点对点运动模拟展开,重点研究优化推力分配策略在翻转动作中的应用与性能比较。通过Matlab代码实现,构建了四旋翼动力学模型,并设计了多种控制算法以实现精确的姿态调整与轨迹跟踪。研究对比了不同推力分配方案在执行高机动性翻转动作时的稳定性、能耗效率与响应速度,旨在提升无人机在复杂飞行任务中的动态性能与控制精度。该仿真研究为无人机飞控系统的设计与优化提供了理论依据和技术支持。; 适合人群:具备一定自动控制理论基础和Matlab编程能力,从事无人机控制、飞行器动力学或机器人系统研究的科研人员及研究生。; 使用场景及目标:① 实现四旋翼无人机在三维空间中的精确点对点运动控制;② 对比分析不同推力分配策略在执行翻转等高难度动作时的控制效果与能耗表现,优化飞行性能;③ 为无人机自主飞行、特技飞行及复杂环境下的机动控制提供算法验证平台。; 阅读建议:此资源以Matlab仿真为核心,建议读者结合相关控制理论知识,深入理解代码实现细节,重点关注动力学建模、控制律设计与推力分配模块。在学习过程中,应动手调试参数,复现文中翻转动作的仿真结果,并尝试拓展至其他复杂飞行任务,以加深对无人机控制机理的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值