显卡驱动可以升级版本吗 CUDA的下载与安装步骤详解

　　显卡驱动可以升级版本吗，随着科技的飞速发展，显卡的性能越来越强大。为了获得更流畅的图形和更高效的计算能力，升级显卡驱动成为了必须的一步。而CUDA作为一款重要的显卡计算平台，也需要不断地进行更新和升级。本文将为大家详细介绍CUDA的下载与安装步骤，让您更好地利用显卡的强大性能，提高工作和学习效率。

CUDA的下载与安装步骤详解

怎么装CUDA？怎么装显卡驱动？这台服务器到底是什么版本CUDA？怎么装Pytorch/TF/Paddle？怎么切换CUDA版本？怎么重装/升级CUDA？

你要是百度能看到一堆方法，有对有错，讲的也不是很透彻。最近也给别人讲了不少这些的问题，索性开篇文章写一下吧。

本篇不是手把手教怎么装cuda，所以里面有些命令我不会写的很细，但都是一百度就能查到的。希望能从本篇文章教会大家怎么处理遇到的环境问题，毕竟我也不太懂CUDA具体的东西，但装过以及处理过好多环境问题。

默认环境：Ubuntu（Windows整体思路是一样的，具体一些操作可以参考其他攻略）

写在开头的很重要的事：

能官网解决就别只看各种经验分享

一、认识CUDA

首先，你要先认识CUDA。

查看CUDA版本

你的CUDA版本不是你装过什么，而是你的路径中包含什么

echo $PATH

这行命令会输出你当前的默认路径，如果你CUDA安装没问题的话，你会看到类似于下面这样的路径：

/usr/local/cuda/bin
/usr/local/cuda-11.5/bin

第一行通常是一个软链接，指向你真正的cuda目录

/usr/local示意图，/usr/local/cuda一般是一个软链接，指向真正的cuda目录

如果你的电脑里有多个CUDA，哪个路径在你的系统默认路径，哪个就是你当前在使用的版本。说白了默认路径就是你输入命令后，系统去哪里找你要执行的东西。

当然，这个方法太麻烦了，有没有快速查看的方法？

有：

nvcc -V

nvcc -V 结果示意图

如果你遇到提示没有nvcc或版本明显不对（可能执行了/usr/bin/nvcc而不是cuda文件里的），说明你没有把CUDA的目录放到默认路径中。输入以下命令（临时生效），或修改系统文件（永久生效，自行百度），来把CUDA添加到你的默认路径中：

export PATH=/usr/local/cuda-xx.x:$PATH

再运行就可以看到你的版本了。

很多人知道，nvidia-smi也有个cuda版本。那个不是我们说的CUDA版本，我的理解是那个代表了你的显卡驱动支持的CUDA版本（可以向下兼容）。我不太确定这个理解是不是对的，我一直以为nvidia-smi得比nvcc的高，但就这两天我看到一台反过来的机器。

总之，nvidia-smi的cuda版本大于等于你要安装的cuda版本就不会出问题，且你的实际cuda版本以nvcc为准。

切换CUDA版本

假如我已经安装了多个版本的CUDA，怎么去切换呢？

以这台服务器为例：

安装了超多版本cuda的服务器

可以看到，/usr/local 下有一堆的cuda安装包，其中 /usr/local/cuda 指向了 CUDA11.5，那么我的版本就一定是11.5吗？

记得我上面说的吗，CUDA版本取决于哪个CUDA目录在你的默认路径中（且优先级更高）。

如果你的环境变量里没有 /usr/local/cuda 或 /usr/local/cuda-11.5，而是 /usr/local/cuda-11.1，那么就算有那个软链接，你默认的CUDA版本也是11.1。

所以切换CUDA版本实际上就是修改路径中的CUDA目录。

如果你只是临时修改，你可以用我上面提到的命令，export PATH=.......来修改；

如果你想修改你的用户的默认CUDA，你可以修改~/.bashrc，来自动修改你用户的路径；

如果想修改服务器的默认版本，可以百度一下怎么永久性的改路径（我忘记哪个命令了，百度下）

其他：

CUDA在大版本下向下兼容。比如你装了CUDA11.5，它支持CUDA11.0-CUDA11.5的环境，但不支持CUDA10.2。所以选版本的时候直接选符合你要求的大版本的最新版就行，比如10.2, 11.6。30系不支持直接使用CUDA10，之前听说可以Docker运行。没实际试过遇到报错cuda与驱动不匹配的，去看第三章二、安装/升级CUDA以及多版本共存

升级 = 安装 + 用上一章的方法来默认使用新版本的CUDA

多版本CUDA = 安装 + 不卸载旧版本 + 用上一章的方法修改使用的CUDA版本

所以主要就讲下安装的问题

新机或显卡驱动版本低（nvidia-smi的版本低于要安装的版本）看下一章，得连着显卡驱动一块搞。这一章就单讲CUDA安装。

CUDA安装几乎没有难度：

第一步，打开链接，选择你要的版本

第二步，根据你的系统和版本选择，选runfile

第三步，按照提示命令下载并运行

第四步，按照它提示一直往下，但不要勾选 driver （需要安装驱动的见下一章）！

如图，第一个Driver代表显卡驱动，不需要安的话一定去掉

第五步，问你要不要添加环境变量记得yes，然后就安装完成

如果你没有让它帮你添加，就按照第一章的方式自己添加。看懂第一章，安装完之后找不到CUDA或者切换不了就很好解决。

第六步，装cudnn。百度下就行，没啥操作难度

三、显卡驱动

一般来说，三种情况需要安装显卡驱动：

显卡驱动过低（nvidia-smi的cuda小于需要安装的cuda版本），需要重装新机没驱动，需要安装用着用着报错cuda与驱动不匹配，多半是显卡驱动自动升级了

对于第一种和第三种解决方案一样，先卸载当前驱动，而且卸干净（百度搜下），然后安装

如果是有桌面端，要先关了可视化界面，ctrl+alt+f1进入命令界面，再去卸载

安装显卡驱动一定不要下载显卡驱动安装包，用CUDA安装包

这样可以保证你装的驱动没有不适配的情况

我上一章提到过，只安装CUDA要去掉driver的那个勾，是因为CUDA的安装包是带显卡驱动的，而且是对应版本的。

如果你CUDA和驱动都安，那你就用CUDA安装包所有勾勾选；

拿只安装驱动举例

如果你只安装驱动（比如遇到版本不匹配情况，你卸载了驱动但是cuda没卸载），就把CUDA的勾去掉，只安装驱动；

如果你安装驱动出错，按照报错信息百度，多半是你没卸载干净。

四、安装深度学习框架

复习一下第一章：

你路径中的CUDA是你实际的CUDA版本CUDA在大版本下向下兼容

深度学习环境请一定去官网下安装包，不要直接搜“Ubuntu18.04 CUDA11.3 安装pytorch”之类的，你搜到的真的不一定和你的环境是一样的。

TF不怎么用，参照着来吧，PaddlePaddle和Pytorch几乎一模一样就不单独说了。这里就用Pytorch举例。

第一步，明确你要安装的pytorch版本。如果是跑开源代码，一般会给支持的pytorch版本。如果是自己用，装LTS版大概率不会出错。

第二步，打开官网，点击install。

选择你要的版本和对应CUDA版本。CUDA版本向下兼容，比如我的CUDA是11.4，那这里我勾选11.1就可以。

如果你要安装更老的版本，或者LTS和Stable中间的版本，点击上面 install previous versions of PyTorch，你就能找到对应版本的安装命令。

用官网安装能解决深度学习框架安装的90%问题

还有什么问题可以评论区提一下

　　及时升级显卡驱动和安装CUDA工具包是保证电脑最佳性能和充分利用显卡计算能力的重要环节。希望本文的CUDA安装步骤和显卡驱动升级指南可以帮助读者更好地完成相关操作。