Как узнать версию Cuda для Windows 10
Обновлено: 21.11.2024
Графический процессор NVIDIA CUDA с Compute Capability 3.0 или более поздней версии.
Инструментарий CUDA: v10.2 / v11.0 / v11.1 / v11.2 / v11.3 / v11.4 / v11.5
Если у вас установлено несколько версий CUDA Toolkit, CuPy автоматически выберет одну из установок CUDA. Дополнительные сведения см. в разделе Работа с пользовательской установкой CUDA.
Это требование является необязательным, если вы устанавливаете CuPy из conda-forge. Однако вам все равно необходимо установить совместимый драйвер для вашего графического процессора. Дополнительные сведения см. в разделе Установка CuPy из Conda-Forge.
Python: v3.7.0+ / v3.8.0+ / v3.9.0+ / v3.10.0+
В настоящее время CuPy тестируется на Ubuntu 18.04 LTS/20.04 LTS (x86_64), CentOS 7/8 (x86_64) и Windows Server 2016 (x86_64).
Зависимости Python¶
NumPy/SciPy-совместимый API в CuPy v10 основан на NumPy 1.21 и SciPy 1.7 и был протестирован на следующих версиях:
NumPy: v1.18 / v1.19 / v1.20 / v1.21 / v1.22
SciPy (необязательно): v1.4, v1.5, v1.6, v1.7, v1.8
Требуется только при использовании подпрограмм (SciPy) ( cupyx.scipy ).
Требуется только при использовании автоматической оптимизации параметров ядра (cupyx.optimizing).
SciPy и Optuna являются необязательными зависимостями и не будут устанавливаться автоматически.
Перед установкой CuPy рекомендуем обновить setuptools и pip:
Дополнительные библиотеки CUDA¶
Часть функций CUDA в CuPy будет активирована только при установке соответствующих библиотек.
Библиотека для ускорения тензорных операций. Дополнительные сведения см. в разделе Переменные среды.
NCCL: v2.8 / v2.9 / v2.10 / v2.11
Библиотека для выполнения коллективных вычислений с несколькими GPU/многоузлами.
cuDNN: v7.6 / v8.0 / v8.1 / v8.2 / v8.3
Библиотека для ускорения вычислений глубоких нейронных сетей.
Библиотека для ускорения умножения разреженной матрицы на матрицу.
Установка CuPy¶
Установка CuPy из PyPI¶
Wheels (предварительно скомпилированные двоичные пакеты) доступны для Linux (x86_64) и Windows (amd64). Имена пакетов различаются в зависимости от вашей версии CUDA Toolkit.
$ pip установить cupy-cuda102
$ pip установить cupy-cuda110
$ pip установить cupy-cuda111
$ pip установить cupy-cuda112
$ pip установить cupy-cuda113
$ pip установить cupy-cuda114
$ pip установить cupy-cuda115
Чтобы включить функции, предоставляемые дополнительными библиотеками CUDA (cuTENSOR/NCCL/cuDNN), вам необходимо установить их вручную. Если вы установили CuPy через колеса, вы можете использовать приведенную ниже команду установщика для установки этих библиотек, если у вас нет предыдущей установки:
При использовании колес будьте осторожны и не устанавливайте несколько пакетов CuPy одновременно. Любой из этих пакетов и пакет cupy (исходная установка) конфликтуют друг с другом. Убедитесь, что установлен только один пакет CuPy (cupy или cupy-cudaXX, где XX — версия CUDA):
Установка CuPy из Conda-Forge¶
Conda/Anaconda – это кроссплатформенное решение для управления пакетами, широко используемое в научных вычислениях и других областях. Приведенная выше инструкция по установке pip совместима со средами conda. Кроме того, как для Linux (x86_64, ppc64le, aarch64-sbsa), так и для Windows после правильной настройки драйвера CUDA вы также можете установить CuPy из канала conda-forge:
и conda установит для вас готовый бинарный пакет CuPy вместе с библиотеками времени выполнения CUDA ( cudatoolkit ). Нет необходимости заранее устанавливать CUDA Toolkit.
Conda имеет встроенный механизм для определения и установки последней версии cudatoolkit, поддерживаемой вашим драйвером. Однако, если по какой-либо причине вам необходимо принудительно установить определенную версию CUDA (скажем, 11.0), вы можете сделать следующее:
cuDNN, cuTENSOR и NCCL доступны на conda-forge в качестве дополнительных зависимостей. Следующая команда может установить их все сразу:
При необходимости каждый из них можно установить отдельно.
Если у вас возникнут какие-либо проблемы с CuPy, установленным из conda-forge , не стесняйтесь сообщить об этом в cupy-feedstock, и мы поможем выяснить, является ли это просто проблемой упаковки в рецепте conda-forge или реальной проблемой в Купи.
Если вы не устанавливали CUDA Toolkit самостоятельно, компилятор nvcc может быть недоступен, поскольку пакет cudatoolkit от conda-forge не включает набор инструментов компилятора nvcc. Если вы хотите использовать его из локальной установки CUDA, вам нужно убедиться, что версия CUDA Toolkit совпадает с версией cudatoolkit, чтобы избежать неожиданностей.
Установка CuPy из исходного кода¶
По возможности рекомендуется использовать пакеты колес. Однако, если колеса не соответствуют вашим требованиям (например,, вы используете среду, отличную от Linux, или хотите использовать версию CUDA / cuDNN / NCCL, не поддерживаемую колесами), вы также можете собрать CuPy из исходного кода.
Для сборки исходного кода CuPy требуется g++-6 или более поздняя версия. Для Ubuntu 18.04 запустите apt-get install g++ . Для Ubuntu 16.04, CentOS 6 или 7 следуйте инструкциям здесь.
При установке CuPy из исходного кода функции, предоставляемые дополнительными библиотеками CUDA, будут отключены, если эти библиотеки недоступны во время сборки. Инструкции см. в разделе Установка cuDNN и NCCL.
При обновлении или понижении версии CUDA Toolkit, cuDNN, NCCL или cuTENSOR может потребоваться переустановить CuPy. Дополнительные сведения см. в разделе Переустановка CuPy.
Вы можете установить последнюю стабильную версию исходного пакета CuPy через pip .
Если вы хотите установить последнюю разрабатываемую версию CuPy из клонированного репозитория Git:
Для сборки CuPy из исходного кода требуется Cython 0.29.22 или более поздней версии. Он будет автоматически установлен в процессе сборки, если недоступен.
Удаление CuPy¶
Используйте pip для удаления CuPy:
Если вы используете колесо, cupy следует заменить на cupy-cudaXX (где XX – номер версии CUDA).
Если CuPy установлен через conda , вместо этого удалите cupy с помощью conda.
Обновление CuPy¶
Просто используйте pip install с параметром -U:
Если вы используете колесо, cupy следует заменить на cupy-cudaXX (где XX – номер версии CUDA).
Переустановка CuPy¶
Чтобы переустановить CuPy, удалите CuPy, а затем установите его. При переустановке CuPy мы рекомендуем использовать параметр --no-cache-dir, поскольку pip кэширует ранее созданные двоичные файлы:
Если вы используете колесо, cupy следует заменить на cupy-cudaXX (где XX – номер версии CUDA).
Использование CuPy внутри Docker¶
Мы предоставляем официальные образы Docker. Используйте NVIDIA Container Toolkit для запуска образа CuPy с графическим процессором. Вы можете войти в среду с помощью bash и запустить интерпретатор Python:
Или запустите интерпретатор напрямую:
pip не может установить CuPy¶
Убедитесь, что вы используете последнюю версию setuptools и pip :
Используйте параметр -vvvv с командой pip. Это отобразит все журналы установки:
Если вы используете sudo для установки CuPy, обратите внимание, что команда sudo не распространяет переменные среды. Если вам нужно передать переменную среды (например, CUDA_PATH ), вам нужно указать их внутри sudo следующим образом:
Установка cuDNN и NCCL¶
Мы рекомендуем устанавливать cuDNN и NCCL с помощью двоичных пакетов (например, с помощью apt или yum ), предоставленных NVIDIA.
Если вы хотите установить tar-gz версию cuDNN и NCCL, мы рекомендуем установить ее в каталог CUDA_PATH. Например, если вы используете Ubuntu, скопируйте файлы *.h в каталог include и файлы *.so* в каталог lib64:
Каталоги назначения зависят от вашей среды.
Если вы хотите использовать cuDNN или NCCL, установленные в другом каталоге, используйте переменные среды CFLAGS , LDFLAGS и LD_LIBRARY_PATH перед установкой CuPy:
Работа с пользовательской установкой CUDA¶
Если вы установили CUDA не в каталог по умолчанию или несколько версий CUDA на одном хосте, вам может потребоваться вручную указать каталог установки CUDA, который будет использоваться CuPy.
CuPy использует первый каталог установки CUDA, найденный в следующем порядке.
Переменная среды CUDA_PATH.
Родительский каталог команды nvcc. CuPy ищет команду nvcc из переменной среды PATH.
Например, вы можете собрать CuPy, используя каталог CUDA не по умолчанию с помощью переменной среды CUDA_PATH:
Обнаружение установки CUDA также выполняется во время выполнения с использованием приведенного выше правила. В зависимости от конфигурации вашей системы вам также может потребоваться установить для переменной среды LD_LIBRARY_PATH значение $CUDA_PATH/lib64 во время выполнения.
Если CuPy вызывает исключение CompileException почти для всего, возможно, CuPy не может правильно определить CUDA, установленную в вашей системе. Ниже приведены сообщения об ошибках, которые обычно наблюдаются в таких случаях.
nvrtc: ошибка: не удалось загрузить встроенные модули
катастрофическая ошибка: невозможно открыть исходный файл "cuda_fp16.h"
ошибка: нельзя перегружать функции, отличающиеся только типом возвращаемого значения
ошибка: идентификатор "__half_raw" не определен
Попробуйте установить переменные среды LD_LIBRARY_PATH и CUDA_PATH. Например, если у вас установлена CUDA в /usr/local/cuda-9.2:
Сбой сборки в Ubuntu 16.04, CentOS 6 или 7¶
Для сборки CuPy из исходного кода в системах с устаревшей версией GCC (g++-5 или более ранней) необходимо вручную установить g++-6 или более позднюю версию и настроить переменную среды NVCC.
В нем перейдите на вкладку справки и выберите «Информация о системе». В этом есть раздел компонентов следующим образом. В том, что под NVCUDA. DLL показывает NVIDIA CUDA 10.2.
Как найти версию Cuda для Windows 10?
3 способа проверить версию CUDA
- Возможно, это самый простой способ проверить файл. Запустите cat /usr/local/cuda/version.txt. …
- Еще один способ — использовать команду пакета cuda-toolkit nvcc . Простой запуск nvcc –версия. …
- Другой способ — с помощью установленной вами команды nvidia-smi драйвера NVIDIA. Просто запустите nvidia-smi .
Какая версия CUDA у меня Windows?
Как узнать, установлена ли Cuda?
Проверьте установку CUDA
- Проверьте версию драйвера, просмотрев: /proc/driver/nvidia/version: …
- Проверьте версию набора инструментов CUDA. …
- Проверьте выполнение заданий графического процессора CUDA, скомпилировав образцы и выполнив программы deviceQuery или bandwidthTest.
Как обновить драйверы Cuda для Windows 10?
- Шаг 1. Проверьте программное обеспечение, которое необходимо установить. …
- Шаг 2. Загрузите Visual Studio Express. …
- Шаг 3. Загрузите набор инструментов CUDA для Windows 10. …
- Шаг 4. Загрузите исправления CUDA для Windows 10. …
- Шаг 5. Загрузите и установите cuDNN. …
- Шаг 6. Установите Python (если он еще не установлен)…
- Шаг 7. Установите Tensorflow с поддержкой графического процессора.
Какую версию Cuda мне установить?
Для этих графических процессоров должна работать CUDA 6.5. Начиная с CUDA 9. x, более старые графические процессоры CUDA с вычислительными возможностями 2. x также не поддерживаются.
Как проверить версию драйвера Nvidia?
О: Щелкните правой кнопкой мыши на рабочем столе и выберите Панель управления NVIDIA. В меню панели управления NVIDIA выберите «Справка» > «Информация о системе». Версия драйвера указана в верхней части окна сведений. Более продвинутые пользователи также могут получить номер версии драйвера в Диспетчере устройств Windows.
Cuda только для Nvidia?
В отличие от OpenCL, графические процессоры с поддержкой CUDA доступны только у Nvidia.
Поддерживает ли мой GPU CUDA?
Графика, совместимая с CUDA
Чтобы проверить, есть ли на вашем компьютере графический процессор NVIDA и поддерживает ли он CUDA: щелкните правой кнопкой мыши на рабочем столе Windows. Если вы видите «Панель управления NVIDIA» или «Дисплей NVIDIA» во всплывающем диалоговом окне, компьютер оснащен графическим процессором NVIDIA. Нажмите «Панель управления NVIDIA» или «Дисплей NVIDIA» во всплывающем диалоговом окне.
Где устанавливается Cuda?
По умолчанию набор инструментов CUDA SDK устанавливается в папку /usr/local/cuda/. Драйвер компилятора nvcc устанавливается в /usr/local/cuda/bin, а 64-разрядные библиотеки времени выполнения CUDA устанавливаются в /usr/local/cuda/lib64.
Как узнать версию Cudnn?
Просмотреть версию cuda, cudnn, ubuntu
Проверьте версию cudnn, кат /usr/local/cuda/include/cudnn. ч | grep CUDNN_MAJOR -A 2 3. Проверьте версию unbuntu, кат /etc/issue 4.
Как запустить образец Cuda?
Перейдите в каталог nbody с примерами CUDA. Откройте файл решения nbody Visual Studio для установленной версии Visual Studio. Откройте меню «Сборка» в Visual Studio и нажмите «Сборка решения». Перейдите в каталог сборки примеров CUDA и запустите пример nbody.
Что такое Cuda и Cudnn?
Библиотека NVIDIA CUDA® Deep Neural Network (cuDNN) — это библиотека примитивов для глубоких нейронных сетей с ускорением на GPU. … Это позволяет им сосредоточиться на обучении нейронных сетей и разработке программных приложений, а не тратить время на низкоуровневую настройку производительности графического процессора.
Что такое Cuda 11?
Сводка. CUDA 11 предоставляет базовую среду разработки для создания приложений для архитектуры GPU NVIDIA Ampere и мощных серверных платформ на базе NVIDIA A100 для задач искусственного интеллекта, анализа данных и высокопроизводительных вычислений как в локальной среде (DGX A100), так и в облаке (HGX A100). развертывания.
Здесь вы узнаете, как проверить версию NVIDIA CUDA тремя способами: nvcc из набора инструментов CUDA, nvidia-smi из драйвера NVIDIA и просто проверкой файла. Используя один из этих методов, вы сможете увидеть версию CUDA независимо от того, какое программное обеспечение вы используете, например PyTorch, TensorFlow, conda (Miniconda/Anaconda) или внутри докера.
" class="wp_ulike_btn wp_ulike_put_image wp_post_btn_2895">
Необходимое условие
Прежде чем мы начнем, в вашей системе должен быть установлен драйвер NVIDIA, а также набор инструментов Nvidia CUDA, также известный как CUDA. Если нет, вы можете установить его, запустив sudo apt install nvidia-cuda-toolkit.
Что такое CUDA?
CUDA — это общая архитектура параллельных вычислений и модель программирования, разработанная NVIDIA для своих графических карт (GPU). Используя CUDA, PyTorch или TensorFlow, разработчики значительно повысят производительность обучающих моделей PyTorch или TensorFlow, эффективно используя ресурсы графического процессора.
В технологии с ускорением на графическом процессоре последовательная часть задачи выполняется на ЦП для оптимизации однопоточной производительности, а сегмент с интенсивными вычислениями, такой как технология PyTorch, выполняется параллельно через CUDA на тысячах ядер графического процессора. При использовании CUDA разработчики могут написать несколько основных ключевых слов на распространенных языках, таких как C, C++ , Python, и реализовать параллелизм.
Способ 1 — использовать nvcc для проверки версии CUDA
Если вы установили программное обеспечение cuda-toolkit либо из официальных репозиториев Ubuntu с помощью sudo apt install nvidia-cuda-toolkit, либо загрузив и установив его вручную с официального веб-сайта NVIDIA, у вас будет nvcc на вашем пути (попробуйте echo $PATH ), а его расположение будет /usr/bin/nvcc (запустив which nvcc ).
Чтобы проверить версию CUDA с помощью nvcc, запустите
Вы можете увидеть аналогичный результат на снимке экрана ниже. Последняя строка показывает версию CUDA. Здесь версия 10.1. У вас может быть другая версия: 10.0, 10.1, 10.2 или даже более ранние версии, такие как 9.0, 9.1 и 9.2. После снимка экрана вы также найдете полный текстовый вывод.
Что такое nvcc?
nvcc — это компилятор NVIDIA CUDA, отсюда и название. Это ключевая оболочка для набора компиляторов CUDA. Для другого использования nvcc вы можете использовать его для компиляции и компоновки кода хоста и графического процессора.
Дополнительную информацию см. на странице руководства nvcc.
Способ 2 — проверить версию CUDA с помощью nvidia-smi из драйвера NVIDIA Linux
Второй способ проверить версию CUDA – запустить nvidia-smi, который загружается после загрузки драйвера NVIDIA, в частности, пакета NVIDIA-utils. Вы можете установить либо драйвер Nvidia из официальных репозиториев Ubuntu, либо с веб-сайта NVIDIA.
Чтобы проверить версию CUDA с помощью nvidia-smi, запустите напрямую
Вы можете увидеть аналогичный результат на снимке экрана ниже. Версия находится в правом верхнем углу вывода. Вот моя версия CUDA 10.2. У вас может быть установлена версия 10.0, 10.1 или даже более ранняя версия 9.0, 9.1 или 9.2.
Важно, кроме версии CUDA. В выходных данных nvidia-smi есть более подробная информация, версия драйвера (440.100), имя графического процессора, процент вентилятора графического процессора, энергопотребление / возможности, использование памяти, также можно найти здесь. Вы также можете найти процессы, которые используют GPU в данный момент. Это полезно, если вы хотите узнать, использует ли ваша модель или система графический процессор, такой как PyTorch или TensorFlow.
Вот полный текстовый вывод:
Что такое nvidia-smi?
nvidia-smi (NVSMI) — это программа интерфейса управления системой NVIDIA. Он также известен как NVSMI. nvidia-smi предоставляет возможности мониторинга и обслуживания для всех графических процессоров Fermi Tesla, Quadro, GRID и GeForce NVIDIA, а также семейств с более высокой архитектурой. Для большинства функций продукты серии GeForce Titan поддерживаются, а для остальной части линейки Geforce приводятся лишь некоторые подробности.
NVSMI также является кроссплатформенным приложением, которое поддерживает как распространенные дистрибутивы Linux с поддержкой драйверов NVIDIA, так и 64-разрядные версии Windows, начиная с Windows Server 2008 R2. Метрики могут использоваться пользователями напрямую через стандартный вывод или сохраняться в форматах CSV и XML для целей сценариев.
Для получения дополнительной информации посетите справочную страницу nvidia-smi .
Способ 3 — cat /usr/local/cuda/version.txt
Обратите внимание, что если вы устанавливаете драйвер Nvidia и CUDA из собственного официального репозитория Ubuntu 20.04, этот подход может не сработать.
3 способа проверить версию CUDA
Необходимое время: 5 минут
Есть три основных способа проверить версию CUDA. Одно должно работать, если не другое.
-
Возможно, самый простой способ проверить файл
Запустите cat /usr/local/cuda/version.txt
Примечание: это может не работать в Ubuntu 20.04
Простой запуск nvcc --version . Версия cuda находится в последней строке вывода.
Просто запустите nvidia-smi . Версия указана в заголовке напечатанной таблицы.
Обратите внимание, что изначально CUDA поддерживает только 64-битные приложения. То есть вы не можете разрабатывать приложения 32b CUDA нативно (исключение: их можно разрабатывать только на графических процессорах серии GeForce). 32b приложения можно разрабатывать на x86_64, используя возможности кросс-разработки набора инструментов CUDA. Для компиляции программ CUDA в 32b выполните следующие действия —
Шаг 1. Добавьте \bin к вашему пути.
Шаг 2. Добавьте -m32 к параметрам nvcc.
Шаг 3. Связывание с 32-разрядными библиотеками в \lib (вместо \lib64).
Вы можете загрузить последний набор инструментов CUDA отсюда.
Совместимость
| Версия Windows | Встроенная поддержка x86_64 | Поддержка X86_32 на x86_32 (кросс) |
|---|---|---|
| Windows 10 | ДА | ДА |
| Windows 8.1 | ДА | ДА< /td> |
| Windows 7 | ДА | ДА |
| Windows Server 2016 | ДА | НЕТ |
| Windows Server 2012 R2 | ДА | НЕТ |
| Версия Visual Studio | Встроенная поддержка x86_64 | Поддержка X86_32 на x86_32 (кросс) |
|---|---|---|
| 2017 | ДА | НЕТ |
| 2015 | ДА | НЕТ |
| 2015 Community edition | ДА | НЕТ | 2013 | ДА | ДА |
| 2012 | ДА | < td>ДА|
| 2010 | ДА | ДА |
Как видно из приведенных выше таблиц, поддержка x86_32 ограничена. В настоящее время для 32-битных приложений CUDA поддерживается только серия GeForce. Если у вас есть поддерживаемая версия Windows и Visual Studio, продолжайте. В противном случае сначала установите необходимое программное обеспечение.
Проверка наличия в вашей системе графического процессора с поддержкой CUDA. Откройте окно RUN и выполните команду – control/name Microsoft.DeviceManager и проверьте предоставленную информацию. Если у вас нет графического процессора с поддержкой CUDA или графического процессора, остановитесь.
Установка последней версии набора инструментов CUDA
В этом разделе мы увидим, как установить последний набор инструментов CUDA.
Шаг 2. Выберите тип установки, который вы хотите выполнить. Сетевой установщик изначально будет очень маленьким исполняемым файлом, который будет загружать необходимые файлы при запуске. Автономный установщик загрузит все необходимые файлы сразу и не потребует подключения к Интернету для последующей установки.
Шаг 3. Загрузите базовый установщик.
Инструментарий CUDA также установит необходимые драйверы графического процессора, а также необходимые библиотеки и заголовочные файлы для разработки приложений CUDA. Он также установит некоторый пример кода, чтобы помочь начинающим. Если вы запустите исполняемый файл, дважды щелкнув его, просто следуйте инструкциям на экране, и набор инструментов будет установлен. Это графический способ установки, и недостатком этого метода является то, что вы не можете контролировать, какие пакеты устанавливать. Этого можно избежать, если установить инструментарий с помощью интерфейса командной строки. Вот список возможных пакетов, которыми вы можете управлять —
| nvcc_9.1 | cuobjdump_9.1 | nvprune_9.1 | cupti_9.1 | < /tr>
| demo_suite_9.1 | documentation_9.1 | cublas_9.1 | gpu-library-advisor_9.1 |
| curand_dev_9.1 | nvgraph_9.1 | cublas_dev_9.1 | memcheck_9.1 |
| cusolver_9.1 | nvgraph_dev_9.1 | cudart_9.1 | nvdisasm_9.1 |
| cusolver_dev_9.1 | npp_9.1 | cufft_9.1 | nvprof_9.1 |
| cusparse_9.1 | npp_dev_9.1 | cufft_dev_9.1 | visual_profiler_9.1 |
Например, чтобы установить только компилятор и калькулятор занятости, используйте следующую команду –
Проверка установки
Выполните следующие действия, чтобы проверить установку –
Шаг 1. Проверьте версию инструментария CUDA, введя nvcc -V в командной строке.
Шаг 2. Запустите deviceQuery.cu, расположенный по адресу: C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.1\bin\win64\Release, чтобы просмотреть информацию о карте GPU. Вывод будет выглядеть так —
Шаг 3. Запустите тест полосы пропускания, расположенный в папке C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.1\bin\win64\Release. Это гарантирует, что хост и устройство могут правильно взаимодействовать друг с другом. Вывод будет выглядеть так —
Если какой-либо из вышеперечисленных тестов не пройден, это означает, что набор инструментов не был установлен должным образом. Переустановите, следуя приведенным выше инструкциям.
Удаление
CUDA можно без проблем удалить из «Панели управления» Windows.
На данный момент набор инструментов CUDA установлен. Вы можете начать работу, запустив примеры программ, представленные в наборе инструментов.
Настройка Visual Studio для CUDA
Для разработки с использованием CUDA в Visual Studio его необходимо настроить. Для этого перейдите в — Файл → Создать | Проект. NVIDIA → CUDA →. Теперь выберите шаблон для вашей версии CUDA Toolkit (в этом руководстве мы используем версию 9.1). Чтобы указать пользовательское расположение CUDA Toolkit, в разделе CUDA C/C++ выберите «Общий» и задайте пользовательский каталог CUDA Toolkit.
Читайте также: