学yolov5的时候用不了GPU，找不到cuda路径

我在学yolov5的时候他都是用cpu跑，跑的比较慢。不知道为什么不使用gpu。我一开始以为是pytorch的cuda要求和我NVIDIA的cuda对不上。我下的pytorch是1.8.2，它对cuda的要求是10.2。我在NVIDIA控制面板看到版本是12.2,。那估计没问题。在命令提示符窗口输入nvcc -V，说是不是内部或外部命令，也不是可运行的程序或批处理文件。那大概环境变量里没有加cuda。我一看，确实没有，那就去找cuda的路径，这一找下来发现根本找不到。一般的安装路径是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\x.x\bin，其中 x.x 代表 CUDA 的版本号。，我这里是C:\Program Files\NVIDIA Corporation，里面找不到cuda在哪

你这是没有安装cuda.至于你截图里面的cuda12.2，这个是你硬件驱动支持的最高cuda版本可以达到12.2，也就是你只要安装比这个低的cuda版本，你的驱动都可以支持，这个和cuda是两回事。安装cuda一共是是4个东西要注意的。
第一就是你的硬件驱动，这个你已经满足了，可以不用管
第二就是cuda的安装，你可以去历史版本里面找到你要的cuda版本，这个直接下在或者右键我红色箭头这里的下载链接到迅雷，这样可以不用登陆。并且注意系统区别就可以了

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

第三就是cudnn，一样找到和cuda匹配的系统版本，同样右键下载链接到迅雷：https://developer.nvidia.cn/rdp/cudnn-archive
第四要注意的是，30系和40系的显卡不支持cuda11.0及其以下的版本，你如果是这两个系列的显卡的话，你要换cuda版本了，就不能是cuda10.2了

cuda是自动安装的，但是你看看你的cudnn是不是没有装呢

【以下回答由 GPT 生成】

解决方案:

由于您的问题似乎是由于缺少CUDA路径而导致的，我将提供以下步骤来尝试解决这个问题：

首先，您需要确定是否在安装NVIDIA GPU Computing Toolkit（CUDA Toolkit）时选择了正确的选项。请确保在安装过程中选择了"加入系统环境变量"选项。
如果您没有安装CUDA Toolkit或者安装了错误的版本，请访问NVIDIA官方网站（https://developer.nvidia.com/cuda-toolkit-archive）下载并安装与您所需的PyTorch版本相匹配的CUDA Toolkit。根据您提供的信息，您可以尝试下载并安装CUDA Toolkit 10.2。
安装完成后，请检查是否已正确添加CUDA路径到系统的环境变量中。以下是添加CUDA路径的步骤：
a. 打开控制面板，并点击"系统和安全"。
b. 点击"系统"，然后点击左侧的"高级系统设置"。
c. 在"系统属性"窗口中，点击"环境变量"按钮。
d. 在"系统变量"部分，查找名为"Path"的变量，并双击它。
e. 在"编辑环境变量"窗口的"变量值"字段中，如果您的CUDA Toolkit的安装路径不在其中，请将它添加到变量值的末尾，确保路径之间用分号分隔。例如，如果您的CUDA Toolkit安装在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\10.2\bin目录下，则应将此路径添加到变量值中：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\10.2\bin
f. 确保保存并关闭所有打开的窗口。
完成以上步骤后，重新打开命令提示符窗口并输入"nvcc -V"来验证CUDA是否已正确安装并添加到环境变量中。如果看到CUDA版本信息的输出，则说明CUDA已经正确安装并配置。
如果问题仍然存在，则可能是由于其他原因导致的。您可以尝试运行以下代码来检查CUDA是否可用并与PyTorch一起使用：

import torch

# 检查CUDA是否可用
if torch.cuda.is_available():
    # 查看可用的GPU数量
    print(torch.cuda.device_count())

    # 查看当前使用的GPU索引
    print(torch.cuda.current_device())

    # 查看GPU的名称
    print(torch.cuda.get_device_name(torch.cuda.current_device()))

    # 设置默认的GPU设备
    torch.cuda.set_device(0)

else:
    print("CUDA不可用")

希望以上解决方案能够帮助您解决问题。如果问题仍然存在，可能需要进一步调查具体情况。

【相关推荐】

请看👉 ：服务器的CUDA是哪里来的？pytorch会自动安装CUDA吗？如何选择CUDA版本？nvcc --version的版本和nvidia-smi不一样是怎么回事？pytorch无法使用GPU怎么办？

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^

最好下载对应版本的

CUDA Toolkit 12.2 Update 1 Downloads | NVIDIA Developer Resources CUDA Documentation/Release NotesMacOS Tools Training Sample Code Forums Archive of Previous CUDA Releases FAQ Open Source PackagesSubmit a BugTarball and Zip Archive Deliverables

https://developer.nvidia.com/cuda-downloads

重新安装解决90%的问题。