如何安装 CUDA Toolkits

安装 CUDA Toolkit 的步骤如下，具体步骤根据你的操作系统（Windows/Linux/Mac）有所不同。以下是 Windows 和 Linux 系统的安装步骤：

Windows 系统安装 CUDA Toolkit

前提条件
- 确保你的计算机上已经安装了 NVIDIA 显卡，并且它支持 CUDA。
- 确保你安装了 适合你的显卡的 NVIDIA 驱动程序。
下载 CUDA Toolkit
- 访问 NVIDIA CUDA Toolkit 下载页面。
- 选择你操作系统的版本（Windows）、版本号（比如 11.x）等，点击 Download。
安装 CUDA Toolkit
- 运行下载的安装包，按照提示完成安装过程。
  - 在安装过程中，你可以选择安装 CUDA Toolkit 和 NVIDIA驱动（如果你的驱动已经是最新的，可以跳过此项）。
  - 推荐选择 Express 安装，它会自动为你配置好大部分环境。
- 在安装过程中，安装程序会提示你是否添加环境变量到系统中（一般默认会选中）。确保选中此选项。
验证安装
- 安装完成后，打开命令提示符（cmd），输入以下命令：
```
nvcc --version
```
- 如果能看到 CUDA 版本信息，说明安装成功。
配置环境变量
如果你在安装时未自动配置环境变量，手动配置如下：
- CUDA Toolkit 安装路径默认在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X。
- 打开 环境变量设置：
  1. 右键点击 “此电脑” -> 选择 “属性”。
  2. 选择 高级系统设置 -> 点击 环境变量。
- 在 系统变量 中，添加以下两个路径：
  - CUDA_PATH：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X
  - Path：
    - C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X\bin
    - C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X\libnvvp

Linux 系统安装 CUDA Toolkit

前提条件
- 确保你的系统已经安装了 NVIDIA 显卡 并且支持 CUDA。
- 确保你安装了 适合你的显卡的 NVIDIA 驱动程序。
下载 CUDA Toolkit
- 访问 NVIDIA CUDA Toolkit 下载页面，选择 Linux 操作系统。
- 选择适合你 Linux 发行版的安装包（例如 .deb 或 .rpm 格式）。

安装 CUDA Toolkit

对于 .deb 安装包：

下载 .deb 包后，使用命令行进入下载目录并运行：

sudo dpkg -i cuda-repo-<version>.deb
sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/<your_ubuntu_version>/x86_64/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

如果遇到依赖问题，可以使用以下命令修复：
```
sudo apt --fix-broken install
```

对于 .rpm 安装包：

下载 .rpm 包后，运行以下命令安装：

sudo rpm -i cuda-repo-<version>.rpm
sudo yum clean all
sudo yum install cuda

设置环境变量

安装完成后，编辑 ~/.bashrc 文件，添加以下行：

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

然后运行：
```
source ~/.bashrc
```

验证安装
- 打开终端，运行以下命令检查 CUDA 是否安装成功：
```
nvcc --version
```
- 你还可以使用 nvidia-smi 命令查看显卡信息：
```
nvidia-smi
```

安装后的一些常见操作

测试 CUDA 程序
- 在安装后，你可以运行一些官方提供的示例代码来验证安装是否正常。例如，进入 CUDA 示例代码目录，运行：
```
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
```
- 如果输出显示你的显卡信息，并且没有报错，说明 CUDA 已成功安装。
安装 cuDNN（深度学习库）
- 如果你要使用 CUDA 进行深度学习开发，建议安装 cuDNN。你可以从 NVIDIA cuDNN下载页面下载与 CUDA 版本匹配的 cuDNN。