Win10 + RTX 2070 Super + CUDA 12.8 安装全攻略(含旧版本清理)

2025-03-21 25 0

前言:为什么要升级 CUDA?

我在学习人工智能课程时,遇到了一个 GPU 计算环境的问题。

  • 操作系统:Windows 10 64 位

  • Python 版本:3.13

  • 显卡:NVIDIA RTX 2070 Super(驱动版本 512.78)

  • 原 CUDA 版本:11.6

  • 课程要求 CUDA 版本:11.8,但旧驱动不支持

因此,我需要升级驱动,并安装与之兼容的 CUDA 版本。过程中涉及驱动更新、旧版本清理和新版本安装,以下是完整的操作流程。


1. 查询当前驱动和 CUDA 版本

nvidia-smi
nvcc --version

如果 nvcc --version显示 not recognized,说明 CUDA 可能未正确安装或环境变量未配置。


2. 升级 NVIDIA 驱动

下载最新版驱动

  1. 访问 NVIDIA 官方驱动查询

  2. 选择 GeForce RTX 20 Series (Notebooks) → RTX 2070 SUPER → Windows 10 64-bit

  3. 下载并运行安装程序

  4. 选择 自定义安装 → 执行干净安装(清除旧驱动)

验证驱动更新

nvidia-smi

查看 Driver Version是否已更新,同时检查支持的 CUDA 版本。


3. 清理旧的 CUDA 11.6

方法 1:控制面板卸载(推荐)

  • Win + R,输入 appwiz.cpl,回车

  • "程序和功能"界面,找到 NVIDIA CUDA 11.6并卸载

方法 2:手动清理(如果卸载失败)

删除文件夹

rmdir /s /q "C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.6"

运行清理脚本

创建 clean_cuda.bat,粘贴以下代码并运行:

@echo off
echo 清理 CUDA 11.6 残留...

:: 删除环境变量中的 CUDA 11.6 相关路径
setx CUDA_PATH "" /M
setx CUDA_HOME "" /M

:: 获取系统环境变量 Path
for /f "tokens=2 delims==" %%a in ('wmic environment where "name='Path' and username='<System>'" get value /value') do set PATHVAR=%%a

:: 删除 Path 变量中包含 CUDA 11.6 的路径
set "NEWPATH="
for %%i in (%PATHVAR:;=" "%") do (
    echo %%i | findstr /I "CUDA\\v11.6" >nul || set "NEWPATH=!NEWPATH!;%%i"
)

:: 更新 Path 变量
if not "%NEWPATH%"=="" (
    setx Path "%NEWPATH:~1%" /M
)

:: 删除 CUDA 11.6 的注册表项
reg delete "HKEY_LOCAL_MACHINE\SOFTWARE\NVIDIA Corporation\CUDA" /f
reg delete "HKEY_LOCAL_MACHINE\SOFTWARE\WOW6432Node\NVIDIA Corporation\CUDA" /f

echo 清理完成,请重启电脑!
pause

4. 下载并安装 CUDA 12.8

访问 CUDA 官方下载页面,选择 Windows 10 64-bit,推荐 exe (network)exe (local)版本。

版本 优点 缺点
exe (network) 体积小,安装时自动下载最新组件 需要稳定的网络
exe (local) 一次性下载完整安装包,离线可用 体积大(2GB+),占用更多存储空间

建议

  • 网络正常→ 选 exe (network)

  • 网络不稳定→ 选 exe (local)

安装步骤

  1. 运行 CUDA_12.8.exe

  2. 选择 Express(默认)Custom(自定义)安装

  3. 安装完成后,重启系统


5. 验证 CUDA 安装是否成功

检查 CUDA 版本

nvcc --version

检查 NVIDIA 驱动和 CUDA 兼容性

nvidia-smi

如果显示 CUDA 12.8,则安装成功!


6. 测试 PyTorch / TensorFlow 是否支持 GPU

PyTorch 测试

import torch
print(torch.cuda.is_available())  # 如果返回 True,说明 GPU 可用
print(torch.cuda.get_device_name(0))  # 显示 GPU 名称

TensorFlow 测试

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))  # 列出可用 GPU

如果以上测试 成功,说明 CUDA 12.8 已正确安装并可用!

总结

这次升级主要解决了 CUDA 版本不兼容的问题,完整流程如下:

  1. 查询旧版本信息 nvidia-smi& nvcc --version

  2. 更新 NVIDIA 驱动

  3. 卸载 CUDA 11.6 并清理残留文件

  4. 下载并安装 CUDA 12.8

  5. 验证安装是否成功

  6. 测试Ai运行环境


4A评测 - 免责申明

本站提供的一切软件、教程和内容信息仅限用于学习和研究目的。

不得将上述内容用于商业或者非法用途,否则一切后果请用户自负。

本站信息来自网络,版权争议与本站无关。您必须在下载后的24个小时之内,从您的电脑或手机中彻底删除上述内容。

如果您喜欢该程序,请支持正版,购买注册,得到更好的正版服务。如有侵权请邮件与我们联系处理。敬请谅解!

程序来源网络,不确保不包含木马病毒等危险内容,请在确保安全的情况下或使用虚拟机使用。

侵权违规投诉邮箱:4ablog168#gmail.com(#换成@)

相关文章

ATT&CK实战系列(三)红日靶场3
谷歌Chrome浏览器零日漏洞遭黑客大规模利用
新型Windows零日漏洞可致远程攻击者窃取NTLM凭证,非官方补丁发布
用友U8 Cloud移动报表mobilereport接口SQL注入漏洞分析
情报分析师必读 | 轻信AI带来的认知假象
Kubernetes Ingress NGINX Controller 曝高危漏洞,无需认证即可远程执行代码

发布评论