Stable Diffuion入门——超详细使用 GPU出图安装教程_使用多gpu加载stablediffusion模型-CSDN博客

第一****步：查电脑CUDA的版本

cmd直接输入nvidia-smi

第二部：CUDA toolkit Download

https://developer.nvidia.com/cuda-toolkit-archive

点进去，按照如下配置选择，然后点击下载：

下载完成后，双击exe安装。

安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录；

临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除；

安装目录，建议默认即可；

注意：临时解压目录不要和cuda的安装路径设置一样，否则安装结束，会找不到安装目录！此处我将临时安装目录设置到非系统盘路径，但是注意要选择空文件夹，否则会报错。

选择自定义安装

安装完成后，配置cuda的环境变量；

命令行中，测试是否安装成功；

双击“exe文件”，选择下载路径（推荐默认路径）

同意并继续

选择自定义安装，精简版本是下载好所有组件，并且会覆盖原有驱动，所以在这里推荐自定义下载。

如果你是第一次安装，尽量全选

如果你是第n次安装，尽量只选择第一个，不然会出现错误。

此处安装目录不建议修改，因为后期开发中很多报错来源于路径问题。

打开控制面板即可发现安装了一大堆配置和驱动文件。

查看环境变量

点击设置–>搜索高级系统设置–>查看环境变量

【如果没有需要自己添加】

一共两个系统变量，是自动生成的。

验证CUDA是否安装成功：

win+R键运行cmd，输入nvcc --version 即可查看版本号；

set cuda，可以查看 CUDA 设置的环境变量。

此时，CUDA安装已经成功，但是在完成张量加速运算时还需要cuDNN的辅助，因此下面安装cuDNN。

第三步：cuDNN下载及安装

cuDNN下载

cuDNN地址如下，不过要注意的是，我们需要注册一个账号，才可以进入到下载界面。大家可以放心注册的。

https://developer.nvidia.com/rdp/cudnn-download

没有账号的根据网站提示进行账号注册激活后，进行下载

使用下面网址，查看适配的 cuDNN

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

选择跟自己的cuda版本适配的cudnn版本，此处我安装的是CUDA12.0，因此我选取下面的版本：

下载结果是一个压缩包

第四步:cuDNN配置

cuDNN叫配置更为准确，我们先把下载的 cuDNN 解压缩，会得到下面的文件：

下载后发现其实cudnn不是一个exe文件，而是一个压缩包，解压后，有三个文件夹，把三个文件夹拷贝到cuda的安装目录下。

CUDA 的安装路径在前面截图中有，或者打开电脑的环境变量查看，我的安装路径如下：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0

拷贝时看到，CUDA 的安装目录中，有和 cuDNN 解压缩后的同名文件夹，这里注意，不需要担心，直接复制即可。cuDNN 解压缩后的同名文件夹中的配置文件会添加到 CUDA安装目录中的同名文件夹中。【此处还是建议还是分别把文件夹的内容复制到对应文件夹中去】

cuDNN 其实是 CUDA 的一个补丁，专为深度学习运算进行优化的。然后再添加环境变量

复制完成后添加至系统变量：

往系统环境变量中的 path 添加如下路径（根据自己的路径进行修改）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\libnvvp

验证配置是否成功配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwidthTest.exe：

首先win+R启动cmd，cd到安装目录下的

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.0\extras\demo_suite

然后分别执行bandwidthTest.exe和deviceQuery.exe（进到目录后需要直接输“bandwidthTest.exe”和“deviceQuery.exe”）,得到下图:

至此，CUDA与cuDNN就安装完成了。

第五步：安装pytorch

先在pycharm打开项目，在项目Termianl一栏输入如下代码，卸载torch包，给等下安装的gpu版本腾位置

pip uninstall torch
pip uninstall torchvision
pip uninstall torchaudio

卸载完成后，安装gpu版本的torch，访问https://pytorch.org/get-started/previous-versions/找到与您CUDA版本一致的，老徐的CUDA版本是12.0，未能找到一致的。因此选择的是2.0.0

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118

在pycharm的terminal界面，复制上去，回车执行，等待下载完成即可。