本文为您介绍天翼云GPU云主机中CUDA工具包的卸载操作方法,适用于通过.run安装包(Linux)或本地安装程序(Windows)部署的CUDA。 前置说明 卸载CUDA工具包前，请先完成cuDNN的卸载操作，再按本文步骤执行CUDA卸载。 关闭所有使用CUDA的程序。 在Linux操作系统中卸载CUDA 如果您在创建GPU云主机时自动安装了CUDA工具包，则CUDA的卸载需要选择通过run安装包的卸载方式。以Driver 550.90.07、CUDA 12.4.1为例，具体操作如下所示。 1. 执行官方卸载脚本 针对通过.run安装包部署的CUDA 12.4.1，因该版本run包不支持uninstall命令行参数，需通过CUDA安装目录下的专属卸载脚本完成卸载。 plaintext sudo /usr/local/cuda12.4/bin/cudauninstaller silent 2. 验证卸载成功 执行验证命令 plaintext nvcc V 打印如下信息或提示"command not found”表示卸载成功。 3. 清理CUDA环境变量 查询CUDA环境变量。 plaintext 查询用户级环境变量中是否存在CUDA相关配置 grep n "/usr/local/cuda" ~/.bashrc 查询系统级环境变量中是否存在CUDA相关配置 grep n "/usr/local/cuda" /etc/profile 若查询结果有含/usr/local/cuda的行，则需清理CUDA环境变量。 plaintext

本文为您介绍天翼云GPU云主机中CUDA工具包的升级或降级操作方法。 当现有CUDA版本不适配业务需求、安装错误版本导致GPU算力无法调用时，可通过“卸载当前版本→安装目标版本”的方式完成升降级。核心原则是确保目标CUDA版本与已安装的Tesla驱动、云主机规格、操作系统相互适配，避免出现兼容性问题。 步骤一：卸载CUDA工具包 请参见卸载CUDA工具包按步骤执行卸载操作。 步骤二：安装CUDA工具包 请参见安装CUDA工具包按步骤执行安装操作。 注意 安装前请参考Tesla驱动及相关组件版本兼容指南，确认目标CUDA版本，避免安装后出现兼容性问题。

身份源类型 创建操作文档 AD 企业微信 钉钉 飞书

操作1：启用同步任务 同步任务创建后默认处于“停用”状态，点击操作列的【更多】【启用】按钮，在弹出的确认弹窗中点击【确认】。 操作2：停用同步任务 当同步任务需要编辑调整，或无需再同步数据时，可停用同步任务，点击操作列的【更多】【停用】按钮，在弹出的确认弹窗中点击【确认】。 操作3：编辑同步任务 当身份源配置需要调整（如修改同步策略、过滤条件、字段映射）时，可执行编辑操作（状态为“停用”），点击操作列的【编辑】按钮。 操作4：删除同步任务 当身份源无需再使用时，可执行删除操作（状态为“停用”），删除后无法恢复，点击操作列的【更多】【删除】按钮，在弹出的确认弹窗中点击【确认】。删除同步任务仅删除该同步任务的配置信息，已同步至AOne平台的用户、组织数据不会自动删除，需手动进入对应模块清理，避免数据冗余。

本文主要介绍开机自动启用的配置说明。 功能说明 开机自动启用（自启动）是指设备开机或用户登录系统后，应用程序或系统服务无需手动触发，即可自动在前台或后台运行的功能。该功能可提升使用效率，让常用工具、业务应用即时就绪；在企业管理场景中，还能保障安全类软件、终端管理服务持续在线，实现设备合规管控与安全防护。 开机自动启用AOne是面向企业 / 组织用户的终端管理功能，用于统一控制 PC 客户端的自动启动状态，并支持精细化权限配置，帮助管理员实现设备策略的集中管控，同时兼顾用户自主调整的灵活性。 配置说明 管理员设置 管理员可在管理后台一键设置 PC 客户端的自动启动默认状态以及用户修改权限控制。 注意 管理员设置暂未上线控制台自助配置，如有需求可联系我们。 提供相关配置： 自动启用AOne客户端：开启/关闭（控制初始化配置） 是否允许用户修改：是/否 （若是则提供可修改的用户范围（组织/用户/全部）） 1. 全局开关控制 管理员可在管理后台一键设置 PC 客户端的自动启动默认状态： 开启：所有受控 PC 客户端将默认随系统启动自动运行，无需用户手动启动。 关闭：所有受控 PC 客户端默认不会随系统启动，需用户手动打开。 该开关为全局基准策略，决定了终端的初始状态。

本文主要介绍开机自动启用的配置说明。 功能说明 开机自动启用（自启动）是指设备开机或用户登录系统后，应用程序或系统服务无需手动触发，即可自动在前台或后台运行的功能。该功能可提升使用效率，让常用工具、业务应用即时就绪；在企业管理场景中，还能保障安全类软件、终端管理服务持续在线，实现设备合规管控与安全防护。 开机自动启用AOne是面向企业 / 组织用户的终端管理功能，用于统一控制 PC 客户端的自动启动状态，并支持精细化权限配置，帮助管理员实现设备策略的集中管控，同时兼顾用户自主调整的灵活性。 配置说明 管理员设置 管理员可在管理后台一键设置 PC 客户端的自动启动默认状态以及用户修改权限控制。 注意 管理员设置暂未上线控制台自助配置，如有需求可联系我们。 提供相关配置： 自动启用AOne客户端：开启/关闭（控制初始化配置） 是否允许用户修改：是/否 （若是则提供可修改的用户范围（组织/用户/全部）） 1. 全局开关控制 管理员可在管理后台一键设置 PC 客户端的自动启动默认状态： 开启：所有受控 PC 客户端将默认随系统启动自动运行，无需用户手动启动。 关闭：所有受控 PC 客户端默认不会随系统启动，需用户手动打开。 该开关为全局基准策略，决定了终端的初始状态。

本文介绍AOne开发者平台不同套餐版本适用的业务规模、支持的功能情况。 套餐和版本概述 天翼云AOne开发者平台支持包年包月计费模式。本文介绍不同套餐版本适用的业务规模、支持的功能情况。 AOne开发者平台的套餐版本分为：免费版（停止新购）、高级版。 适用的业务规模 下表描述了不同版本适用的业务规模。一般情况下，对于中大型规模的企业网站，推荐您选择高级版，个人开发者推荐免费版。 套餐规格 免费版（停止新购） 高级版 价格 0元/月 40元/月 适用场景 个人开发者快速上线个性化需求 中大型企业网站进行线上个性化业务上线 函数请求数 10万次 100万次 函数规格 10ms 10ms/50ms/100ms 是否支持实例预留 不支持 支持 支持超量按需付费 不支持 支持 注意 免费版订购规则调整：自 2026年4月10日起，将停止免费版的新购；自 2026年5月09日起，将停止免费版的续订、升级。

参数 是否必填 参数类型 说明 示例 下级对象 code 是 int 状态码 成功100000 message 是 string 信息描述 成功返回success，其他返回异常信息描述 result 否 list< object> 查询结果列表 resultsingle

本文主要介绍抗D功能。 DDoS防护 支持TCP、UDP网络协议防护，如syn flood ，ack flood，空连接等，通过对数据报文的实时检测和分析，过滤畸形包、判断报文合法性、进行丢弃异常请求，进而高效阻断攻击。 CC防护 CC防护根据访问者的URL、频率、行为等访问特征，快速且智能识别CC攻击并进行拦截，在大规模CC攻击时可以避免源站资源耗尽，保证企业网站的正常访问。 访问控制 可针对IP，IP段，URI，CI，METHOD，请求地区，请求参数，请求头部，请求协议等维度进行组合，设置白名单和黑名单，对请求进行拦截和放行，保证客户网站不受未知访问。 可视化报表 提供可视化报表展示、定时报表服务，可获取攻击事件的攻击趋势图、防护带宽、攻击类型、TOP攻击IP等数据，实时掌握网站安全情况。 告警通知 可设置CC攻击、网络层攻击不同维度攻击的告警，灵活设置攻击告警的阈值、通知地址，告警内容包含攻击事件详情，让客户对攻击事件了如指掌。

流量阶梯 标准资费 (0TB, 10TB] 0.2元/GB (10TB, 50TB] 0.18元/GB (50TB, +∞) 0.15元/GB

项目 描述 语法 result，err ctyun.thread.run(callback, arg1, arg2, ...) 作用 创建一个线程， 异步执行lua函数。主要使用场景为异步通知远端处理结果，不阻塞正常的业务流程。 入参 callback 为lua函数，arg1,arg2,...为lua函数的参数。 返回值 创建成功返回true，失败返回false，以及错误信息err。

项目 描述 语法 ctyun.req.enrollheaderback(callbackfunc, ...) 作用 在收到响应头时会回调callbackfunc函数。 入参 callbackfunc: function。回调函数 ... : 回调函数的入参：其他任意类型。入参个数可以是不定的。 返回值 无。

ctyun.decodeargs 函数信息详见下表： 项目 描述 语法 table, err ctyun.decodeargs(str, maxargs?) 作用 将URI编码的查询字符串解码为Lua表。这是ngx.encodeargs的逆函数。 入参 str：string，uri的query string。 maxargs: 可选，可用于指定从str参数解析的最大参数数量。默认情况下，最多解析100个请求参数(包括同名的参数)，并丢弃额外的URI参数，以防止潜在的拒绝服务攻击。当超过限制时，它将返回第二个值，即字符串"truncated"。 这个参数可以设置为0来消除限制并处理接收到的所有请求参数。 返回值 table: 解码为Lua表。 err: 当str参数超过maxargs时，err返回"truncated"。 示例： maxima local args ctyun.decodeargs(str, 0) ctyun.unescapeuri 函数信息详见下表： 项目 描述 语法 newstr ctyun.unescapeuri(str) 作用 对uri进行反转义。 入参 str：string，已转义的uri。 返回值 newstr: 对uri反转义后的结果。 示例： haxe local newstr ctyun.unescapeuri("b%20r56+7") ctyun.escapeuri 函数信息详见下表： 项目 描述 语法 newstr ctyun.escapeuri(str,type?) 作用 对uri进行转义编码。 入参 str：string，待编码字符串。 type：可选，默认为2， 可为以下值： （1）0：将str转义为完整的URI，字符(空格)、

参数 类型 是否必传 名称及描述 code int 是 状态码 message string 是 描述信息 result dict 否 返回结果 result.max int 否 每日解封最大条数 result.used int 否 每日解封已使用条数 result.surplus int 否 每日解封剩余条数 result.singlecommitmax int 否 每次提交解封最大条数

参数类型 取值范围 示例 顺时针旋转 仅支持90、180、270，超出范围会返回原图。 逆时针旋转 仅支持90、 180、270，超出范围会返回原图。

本文介绍函数运行时的Encoding定义与用法。 基于 Web APIs 标准TextEncoder、TextDecoder进行设计，实现了编码器与解码器。 TextEncoder TextEncoder 接口表示一个文本解码器，一个解码器只支持一种特定文本编码。传递给构造函数的参数将会被忽略，直接创建UTF8的TextEncoder。 TextEncoder()返回一个新构造的函数，该函数生成使用UTF8编码的字节流。详细定义请参见MDN官方文档TextEncoder。 构造函数 javascript let encoder new TextEncoder() 属性 encoding DOMString 只读，编码器使用的编码类型（始终为utf8）。 方法 encode( input USVString ) Uint8Array 对输入的字符串入进行编码。 TextDecoder 解码器。详细定义请参见MDN官方文档TextDecoder。 构造函数 javascript let decoder new TextDecoder() 属性 encoding DOMString 只读，解码器使用的编码类型。 fatal boolean 只读，表示错误模式是否致命。 ignoreBOM boolean 只读，表示是否忽略字节顺序标记。 方法 decode() DOMString 对输入的字符串入进行解码。 相关参考 示例代码：HMACSHA256签名摘要

本文介绍如何通过边缘函数聚合多个请求响应。 向两个URL发送GET请求，并将响应聚合为一个响应。 示例代码 javascript // 提取抓取页面的 文本内容 async function parseTitleFromHTML(response) { let htmlText await response.text() const titleStart htmlText.indexOf(' '); const titleEnd htmlText.indexOf(' ', titleStart); if (titleStart ! 1 && titleEnd ! 1) { return htmlText.substring(titleStart + ' '.length, titleEnd); } return "" } async function handleRequest() { // 同时发出两个 fetch 请求获取两个页面的 HTML const responses await Promise.all([fetch(" fetch(" // 将两个页面的 文本内容拼接起来 const results await Promise.all([ parseTitleFromHTML(responses[0]), parseTitleFromHTML(responses[1]), ]) // 将拼接后的结果返回 return new Response(results.join(" ")) } addEventListener("fetch", event > { return event.respondWith(handleRequest()) }) 示例预览 返回响应聚合内容。 相关参考 运行时API：addEventListener 运行时API：FetchEvent 运行时API：Web Standards 运行时API：Fetch 运行时API：Response

本文介绍如何通过边缘函数实现签名摘要。 使用HMAC和SHA0256算法签署和验证请求或者返回403。 示例代码 javascript // 准备一个 key 用于加密和解密 const encoder new TextEncoder() const secretKeyData encoder.encode("secretkey") function byteStringToUint8Array(byteString) { const ui new Uint8Array(byteString.length) for (let i 0; i { event.respondWith(handleRequest(event.request)) }) 示例预览 使用导入的secretKeyData，验证请求内容。

本文介绍函数运行时中的addEventListener定义与用法。 此函数定义了执行用户函数脚本的触发器。addEventListener仅支持注册一个事件监听器。当前仅支持fetch请求事件，通过注册fetch事件监听器，生成HTTP请求事件FetchEvent，进而实现对HTTP请求的处理。 定义 javascript addEventListener(type: string, listener: (event: FetchEvent) > void): void; 说明 如果注册了多个"fetch"类型的监听器，当一个监听器未调用时event.respondWith()，运行时会将事件传递给下一个已注册的监听器。 如果对某个事件进行多次调用会形成调用链条。当某个回调函数调用了respondWith函数时，调用链条会被终止，后面注册的回调函数不会再被调用。 参数 type string 事件类型，当前仅支持"fetch"，后续会支持"scheduled"。 listener function 事件监听器。用于处理事件回调。 示例 javascript // 注册请求事件监听器 addEventListener("fetch", event > { // 响应客户端请求 return event.respondWith( new Response("Hello world") ) }) 相关参考 示例代码：返回 HTML 页面 示例代码：返回 JSON

deriveBits() deriveBits(algorithm, baseKey, length) Promise 返回一个Promise，该Promise使用新生成的伪随机位缓冲区来实现，该缓冲区从基本密钥和作为参数给出的特定算法派生而来。它返回一个ArrayBuffer包含派生位的Promise。此方法与deriveKey()非常相似，不同之处在于deriveKey()返回一个CryptoKey对象而不是一个ArrayBuffer。本质上，deriveKey()由deriveBits()后跟importKey()（即将支持）。 参数： algorithm object：以特定算法的格式描述要使用的算法，包括任何必需的参数。 baseKey CryptoKey length int：要导出的位串的长度。 相关参考 示例代码：HMACSHA256签名摘要

本文介绍边缘函数请求过程中产生的错误码，方便问题排查。 终端用户请求错误 分类 定义 状态码 错误详情 :::: 函数错误 脚本异常：用户函数抛出JavaScript异常 500 Error Code: 1111 Function threw exception 函数错误 禁止访问网络 500 Error Code: 1113 Prohibit access to the intranet 函数错误 超出6个子请求限制 500 Error Code: 1115 Too many subrequests 函数错误 函数没有返回 response 500 Error Code: 1117 Illegal response 资源限制 用户函数超出运行时资源限制： CPU执行时长≤配置的函数规格（10ms/50ms/100ms） 内存≤ 128M 响应时长≤ 30s 500 Error Code: 1201 Exceeded resource limits 内部错误 内部错误 500 Error Code: 1301 Internal Error 函数错误 函数被禁用 500 Error Code: 1407 Function Forbidden

发布版本 发布时间 版本描述 2.26.11 20260228 优化了一些问题，提升使用体验。 2.19.11 20250702 客户端支持外设管控、合规检测、软件管理、上网行为管控等能力。

参数名 说明 回源连接超时时间 指CDN回源节点与源站服务器建立连接的超时时间。如果CDN回源节点在指定的超时时间内未能与源站服务器建立连接，则会触发CDN节点重试，默认重试1次，重试失败后将与源站终止连接并返回502。默认回源连接超时时间为5s。 回源请求超时时间 指CDN回源节点与源站服务器建连成功后，向源站服务器发送请求的超时时间。如果在指定的超时时间内未接收到源站服务器响应的首包，则会触发CDN节点重试，默认重试1次，重试失败后将与源站终止连接并返回502。默认回源请求超时时间为12s。

5.确认是否替换成功 在训练日志中，看到日志输出对应的ctccl信息。 如：CTCCL version 0. .0(nccl2.19.4)+cuda12.2 CTCCL版本升级 对于已安装NCCL或CTCCL旧版本的情况，若要安装CTCCL新版本，请确保已停止该环境所有的训练任务，升级方式和安装方法相同。 CTCCL测试 在NVIDIA平台上，可以使用NCCLTest工具测试CTCCL的性能。 测试代码下载路径： 编译： make MPI1 MPIHOME{{MPI路径}} CUDAHOME{{CUDA路径}} NCCLHOME{{NCCL路径}} j 40 使用 mpirun 启动训练进程： mpirun allowrunasroot np 2 H IP1,IP2 x NCCLIBHCAmlx52 x NCCLIBQPSPERCONNECTION8 allreduceperf b 8 e 1G f 2 g 8

组件 下载地址 ctccm ctcclprofilercomm ctcclprofilernet

故障检测时间(Min) 7.2s 故障处理耗时(Min) 231.7s, 3.86min 故障恢复耗时(Min) 458s, 7.63min CKPT加载时间(Min) 0.28min 0卡CKPT加载速度(GB/s) 0.99

CTCCLSlowdetect是天翼云自研的用于大模型训练中慢节点检测的工具套件,需配合CTCCL0.4.0及以上使用。 功能介绍 CTCCLSlowdetect1.0.0工具套件架构如图所示，包括三个模块。 · ctccm：跨节点的集中式慢节点诊断工具。部署在和所有训练任务节点网络互通的节点上，每个大模型训练任务只需部署一个ctccm服务。负责收集汇总和集中发现与定位慢节点问题。 · ctcclprofilercomm：通信域级别集合通信信息统计工具。在每个训练任务所在的节点/容器内安装ctcclprofilercomm插件，在训练任务的脚本中import相关库并调用API接口使用，负责获得训练任务的通信域任务拓扑，以及收集通信域级别的超时集合通信操作事件，提供给ctccm进行慢节点分析诊断。 · ctcclprofilernet：机间通信边缘诊断工具。在每个训练任务所在的节点/容器内部署ctcclprofilernet服务，每个训练任务节点都需要部署1个独享的ctcclprofilernet服务。负责在边缘处理与初步诊断机间通信数据。 在大模型训练任务中使用CTCCLSlowdetect1.0.0工具套件，能够实现大模型训练过程中通信原因与非通信原因的慢节点检测。在发现集群中慢节点存在时，自动化开启全量集合通信操作事件监控，进一步分析定位慢节点。

万卡规模国产化集群下,断点续训在5类故障下实现1分钟检测、5分钟内定位、15分钟内恢复训练。 测试数据及代码准备 数据集 数据集大小 使用模型 Wikipediaen (1M条) 9.1GB Llama270B /Llama3.1405B ● 使用预处理为MindRecord格式的Wikipediaen (1M条)数据集，上传到对象存储，并由对象存储下载到平台HPFS。 ● 测试代码在gitlab仓库下载到本地，并放置于/work/home下。 脚本和任务准备 按照下面修改run.sh脚本 ! /bin/bash huijuformers的绝对路径, 需要修改pathtohuijuformers export BASEDIR/work/data/llama29216/huijuformers 以下为平台自动注入的环境变量 yaml文件中需要修改的环境变量 export BATCHSIZE1 export EPOCHS350 export LEARNINGRATE6.e5 export DATAPARALLEL256 export MODELPARALLEL4 export PIPELINESTAGE9 模型微调相关 export FINETUNEMODELTYPEllama270bbase 合并为一个参数,与模型存放文件夹名称一致（与后端沟通过） export FINETUNINGTYPEALL export TIMETAG$(date +"%m%d%H%M") 数据相关 export DATASETPATH${BASEDIR}/data export DATASETFILEoriginaldata.json 需要修改 以下为平台后端需要自行更改后传入的环境变量 平台数据格式转换，专用数据调试时用不到 export DATASETTMPPATH${BASEDIR}/data/processeddata/${FINETUNEMODELTYPE} mkdir p ${DATASETTMPPATH} 模型输入 专业模式，平台训练时需要按照平台的挂载路径去修改这一块的变量 export CHECKPOINTDIR'' 低代码模式，微调时约定挂载为下面的路径 export CHECKPOINTDIR/work/mount/publicModel/${FINETUNEMODELTYPE}/${FINETUNEMODELTYPE} 输出文件夹路径，runmode为训练模式，如train,lora,full runmodetrain export OUTPUTDIR${BASEDIR}/output/${FINETUNEMODELTYPE}/${runmode}/${TIMETAG} export OUTPUTROOTDIR${BASEDIR}/output/${FINETUNEMODELTYPE}/${runmode} rm rf ${OUTPUTDIR}/resumerecord 获取节点IP、名称，记录至文件 echo $(hostname I awk '{print $1}'),$NODENAME >> ${BASEDIR}/output/nodes sed i '/pamlimits.so/s/^//' /etc/pam.d/sshd 启动脚本 cd ${BASEDIR}/bin/scripts apt install netcat y 微调 bash finetune.sh 预训练 export MSTOPOTIMEOUT7200 bash train.sh

本文为您介绍CTCCLSlowdetect最佳实践。 在4台A8008，每台节点有8张mlx网卡，RoCE组网，部署慢节点工具套件。其中，在4节点上容器化部署模型训练基础环境以及llama27b训练模型，在node1上容器化部署ctccm服务，并在每一台节点上容器化部署ctcclprofiler服务。 在训练任务代码中调用ctcclprofilercomm API： 在训练脚本中配置相关环境变量 启动ctccmslowdetect服务 export PATH"/usr/local/python3/bin:$PATH"（替换为自己的安装路径） && ctccm nnodes 4 port 8002 debug 启动所有节点上的ctcclprofilernet服务 启动分布式训练任务，ctccm会收到任务的逻辑拓扑 ctccm在训练中检测集群中是否存在慢节点，一旦发现慢节点则下发开始收集细粒度的监控信息的控制信号，并做慢节点定位定界。 当计算慢时，ctccm会给出计算慢的TP通信域所包含的rank。 当通信慢时，ctccm会给出慢的QP以及它所对应的网卡对和所在节点。

在国产化适配方面主要具备能力： 针对提供的算力，可以提供全套迁移服务 针对提供的AI算力，支持自动生成模型的算子支持度分析报告 针对提供的算力，可以提供迁移适配服务 对适配后的算子，可以提供精度对齐调优工具 对适配后的算子，可以提供专家持续提供调优指导服务

环境变量 描述 推荐值 NCCLIBGIDINDEX RDMA协议使用的GID 3 NCCLIBHCA RDMA通信使用的网卡 mlx5 NCCLIBTIMEOUT RDMA连接超时时间，合理配置可以提高训练任务的容错能力 22 NCCLSOCKETIFNAME 使用该端口建立连接 bond0 NCCLDEBUG 日志级别 INFO/WARN NCCLDEBUGSUBSYS 打印的info信息子类别，设置为REPORT可以输出网卡对带宽信息（若带宽统计功能开启）、事件上报日志（若上报功能开启） REPORT NCCLIBQPSPERCONNECTION 单连接使用的并行传输QP数量。若要使用QP切换与重传功能，请不要配置为1 8 NCCLNETPLUGIN 配置网络插件 none CTCCLERRREPORT 默认为0，配置为1后，CTCCL内部发现异常上报云骁平台。使用云骁智能平台拉起训练任务时，该功能默认打开。 0 CTCCLBWREPORT 默认为0，配置为1后，统计网卡对集合通信带宽信息并记录在日志中，日常正常训练不建议开启。使用云骁智能平台拉起训练任务时，该功能默认打开。 0 CTCCLIBLBUPLINK 默认为0，RoCE组网下，推荐配置为leaf交换机上行链路数。IB环境下请配置为0，或不做配置。 IB：0 RoCE：上行链路数 CTCCLQPTIMEREPORT 默认为0，要使用慢节点检测工具时请配置为1，必须搭配慢节点检测工具套件使用。 0

本节主要介绍了Windows操作系统安装CUDA工具包的流程。 以下操作以Windows Server 2016 Standard 64bit操作系统GPU实例安装CUDA 10.1为例。 1. 登录云主机。 2. 在CUDA下载页面中，按照CUDA工具包下载地址中的对应的索引项在页面中进行选择。 图 选择CUDA版本 3. 选择完成后，页面会自动呈现出Windows Server 2016 Standard 64bit对应的CUDA 10.1的下载地址。 图 Windows云主机下载CUDA 4. 单击“Download”下载CUDA工具包。 5. 双击打开安装文件，单击“运行”安装CUDA工具包。 图 Windows云主机安装CUDA 6. 选择安装地址，在“CUDA Setup Package”界面，单击“OK” 图 选择CUDA安装路径 7. 根据安装提示完成CUDA的安装。 图 CUDA安装完成 8. 检查CUDA是否安装成功。 打开cmd命令窗口，执行以下命令。 nvcc V 如果回显信息中出现CUDA的版本信息，说明CUDA安装成功。 图 CUDA安装成功