Microsoft Windows 的 CUDA 安装指南
在 Microsoft Windows 系统上安装 CUDA 工具包的说明。
1. 简介
CUDA® 是 NVIDIA 发明的一种并行计算平台和编程模型。它通过利用图形处理单元 (GPU) 的强大功能，大幅提升了计算性能。
CUDA 的开发考虑了以下几个设计目标
为标准编程语言（如 C 语言）提供一小组扩展，以便直接实现并行算法。借助 CUDA C/C++，程序员可以将精力集中在算法的并行化任务上，而不是花费时间来实现它们。
支持异构计算，应用程序同时使用 CPU 和 GPU。应用程序的串行部分在 CPU 上运行，并行部分卸载到 GPU。因此，CUDA 可以增量应用于现有应用程序。CPU 和 GPU 被视为具有各自内存空间的独立设备。这种配置还允许 CPU 和 GPU 同时计算，而不会争用内存资源。
支持 CUDA 的 GPU 拥有数百个内核，可以共同运行数千个计算线程。这些内核具有共享资源，包括寄存器文件和共享内存。片上共享内存允许在这些内核上运行的并行任务共享数据，而无需通过系统内存总线发送数据。
本指南将向您展示如何安装和检查 CUDA 开发工具的正确运行。
1.1. 系统要求
要在您的系统上使用 CUDA，您需要安装以下组件
支持 CUDA 的 GPU
支持的 Linux 版本，带有 gcc 编译器和工具链
NVIDIA CUDA 工具包（可在 https://developer.nvidia.com/cuda-downloads 获取）
支持的 Microsoft Windows® 操作系统
Microsoft Windows 11 24H2
Microsoft Windows 11 22H2-SV2
Microsoft Windows 11 23H2
Microsoft Windows 10 22H2
Microsoft Windows Server 2022
Microsoft Windows Server 2025
编译器* |
IDE |
原生 x86_64 |
交叉编译（64 位系统上的 32 位） |
C++ 方言 |
|---|---|---|---|---|
MSVC 版本 193x |
Visual Studio 2022 17.x |
是 |
不支持 |
C++14（默认）、C++17、C++20 |
MSVC 版本 192x |
Visual Studio 2019 16.x |
是 |
C++14（默认）、C++17 |
* 自 12.5 版本起，已弃用对 Visual Studio 2017 的支持，并将在未来版本中删除。使用 Visual Studio 2019 或更高版本，以避免在使用 nvrtc_static.lib 或 nvJitLink_static.lib 时出现链接错误。
32 位编译（原生和交叉编译）已从 CUDA 12.0 及更高版本的工具包中移除。对于 32 位编译，请使用早期版本的 CUDA 工具包。CUDA 驱动程序将继续支持在 GeForce GPU 上运行 32 位应用程序二进制文件，直到 Ada 架构。Ada 将是最后一个驱动程序支持 32 位应用程序的架构。Hopper 不支持 32 位应用程序。
在 x86_64 Windows 上运行 x86 32 位应用程序的支持仅限于与以下组件一起使用
CUDA 驱动程序
CUDA 运行时 (cudart)
CUDA 数学库 (math.h)
1.2. 关于本文档
本文档适用于熟悉 Microsoft Windows 操作系统和 Microsoft Visual Studio 环境的读者。您无需事先具备 CUDA 或并行计算的经验。
2. 安装 CUDA 开发工具
基本说明可在快速入门指南中找到。请继续阅读以获取更详细的说明。
在运行适当 Windows 版本的系统上设置 CUDA 开发工具包括几个简单的步骤
验证系统是否具有支持 CUDA 的 GPU。
下载 NVIDIA CUDA 工具包。
安装 NVIDIA CUDA 工具包。
测试已安装的软件是否正确运行并与硬件通信。
2.1. 验证您是否拥有支持 CUDA 的 GPU
您可以通过 Windows 设备管理器中的 显示适配器 部分验证您是否拥有支持 CUDA 的 GPU。在这里，您将找到显卡的供应商名称和型号。如果您拥有 NVIDIA 显卡，并且该显卡在 https://developer.nvidia.com/cuda-gpus 中列出，则该 GPU 支持 CUDA。CUDA 工具包的发行说明也包含支持的产品列表。
可以通过以下步骤打开 Windows 设备管理器
从“开始”菜单打开“运行”窗口
-
运行
control /name Microsoft.DeviceManager
2.2. 下载 NVIDIA CUDA 工具包
NVIDIA CUDA 工具包可在 https://developer.nvidia.com/cuda-downloads 获取。选择您正在使用的平台和以下安装程序格式之一
网络安装程序：一个最小的安装程序，稍后会下载安装所需的软件包。仅下载安装程序选择阶段选定的软件包。此安装程序适用于想要最大限度减少下载时间的用户。
完整安装程序：一个包含 CUDA 工具包所有组件的安装程序，无需任何进一步下载。此安装程序适用于缺少网络访问的系统和企业部署。
CUDA 工具包安装 CUDA 驱动程序和创建、构建和运行 CUDA 应用程序所需的工具，以及库、头文件和其他资源。
下载验证
可以通过比较在 https://developer.download.nvidia.com/compute/cuda/12.8.0/docs/sidebar/md5sum.txt 发布的 MD5 校验和与下载文件的校验和来验证下载。如果任何一个校验和不同，则下载的文件已损坏，需要重新下载。
2.3. 安装 CUDA 软件
在安装工具包之前，您应该阅读发行说明，因为它们提供了有关安装和软件功能的详细信息。
注意
必须安装驱动程序和工具包，CUDA 才能正常运行。如果您尚未安装独立的驱动程序，请从 NVIDIA CUDA 工具包安装驱动程序。
注意
如果在安装开始后 Windows 更新启动，则安装可能会失败。请等待 Windows 更新完成，然后重试安装。
图形安装
通过执行 CUDA 安装程序并按照屏幕提示安装 CUDA 软件。
静默安装
可以通过使用 -s 标志执行软件包，以静默模式执行安装程序。可以传递其他参数，这些参数将安装特定的子软件包，而不是所有软件包。请参阅下表，了解所有子软件包名称的列表。
子软件包名称 |
子软件包描述 |
|---|---|
工具包子软件包（默认为 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8） |
|
cuda_profiler_api_12.8 |
CUDA Profiler API。 |
cudart_12.8 |
CUDA 运行时库。 |
cuobjdump_12.8 |
从 cubin 文件中提取信息。 |
cupti_12.8 |
CUDA Profiling Tools Interface，用于创建针对 CUDA 应用程序的分析和跟踪工具。 |
cuxxfilt_12.8 |
CUDA cu++ filt 反编译器工具。 |
demo_suite_12.8 |
使用 CUDA 的预构建演示应用程序。 |
documentation_12.8 |
CUDA HTML 和 PDF 文档文件，包括 CUDA C++ 编程指南、CUDA C++ 最佳实践指南、CUDA 库文档等。 |
nvcc_12.8 |
CUDA 编译器。 |
nvdisasm_12.8 |
从独立的 cubin 文件中提取信息。 |
nvfatbin_12.8 |
用于在运行时创建 fatbinary 的库。 |
nvjitlink_12.8 |
nvJitLink 库。 |
nvml_dev_12.8 |
NVML 开发库和头文件。 |
nvprof_12.8 |
用于从命令行收集和查看 CUDA 应用程序分析数据的工具。 |
nvprune_12.8 |
修剪主机目标文件和库，使其仅包含指定目标的设备代码。 |
|
nvrtc_12.8 nvrtc_dev_12.8 |
NVRTC 运行时库。 |
nvtx_12.8 |
Windows 上的 NVTX。 |
opencl_12.8 |
OpenCL 库。 |
visual_profiler_12.8 |
Visual Profiler。 |
sanitizer_12.8 |
Compute Sanitizer API。 |
thrust_12.8 |
CUDA Thrust。 |
|
cublas_12.8 cublas_dev_12.8 |
cuBLAS 运行时库。 |
|
cufft_12.8 cufft_dev_12.8 |
cuFFT 运行时库。 |
|
curand_12.8 curand_dev_12.8 |
cuRAND 运行时库。 |
|
cusolver_12.8 cusolver_dev_12.8 |
cuSOLVER 运行时库。 |
|
cusparse_12.8 cusparse_dev_12.8 |
cuSPARSE 运行时库。 |
|
npp_12.8 npp_dev_12.8 |
NPP 运行时库。 |
|
nvjpeg_12.8 nvjpeg_dev_12.8 |
nvJPEG 库。 |
nsight_compute_12.8 |
Nsight Compute。 |
nsight_systems_12.8 |
Nsight Systems。 |
nsight_vse_12.8 |
在所有 VS 中安装 Nsight Visual Studio Edition 插件。 |
occupancy_calculator_12.8 |
安装 CUDA_Occupancy_Calculator.xls 工具。 |
visual_studio_integration_12.8 |
在 VS 中安装 CUDA 项目向导并构建自定义文件。 |
驱动程序子软件包 |
|
Display.Driver |
NVIDIA 显示驱动程序。运行 CUDA 应用程序必需。 |
例如，要仅安装编译器和驱动程序组件
<PackageName>.exe -s nvcc_12.1 Display.Driver
如果您不希望在安装或卸载后自动重启（即使需要重启），请使用 -n 选项。
手动提取和检查文件
有时可能需要直接提取或检查可安装文件，例如在企业部署中，或在安装前浏览文件。可以使用支持 LZMA 压缩方法的解压缩工具（如 7-zip 或 WinZip）提取完整安装包。
提取后，CUDA 工具包文件将位于 CUDAToolkit 文件夹中，CUDA Visual Studio 集成文件类似。每个目录中都有一个 .dll 和 .nvi 文件，可以忽略它们，因为它们不是可安装文件的一部分。
注意
以这种方式访问文件不会设置任何环境设置，例如变量或 Visual Studio 集成。这适用于企业级部署。
2.3.1. 卸载 CUDA 软件
可以通过 Windows 控制面板使用“程序和功能”小部件卸载所有子软件包。
2.4. 使用 Conda 安装 CUDA 软件
本节介绍使用 Conda 安装程序时 CUDA 的安装和配置。Conda 软件包可在 https://anaconda.org/nvidia 获取。
2.4.1. Conda 概述
Conda 安装会安装 CUDA 工具包。安装步骤如下所示。
2.4.2. 安装
要使用 Conda 执行所有 CUDA 工具包组件的基本安装，请运行以下命令
conda install cuda -c nvidia
2.4.3. 卸载
要使用 Conda 卸载 CUDA 工具包，请运行以下命令
conda remove cuda
2.4.4. 安装之前的 CUDA 版本
在特定 CUDA 版本下发布的所有 Conda 软件包都标有该发行版本。要安装之前的版本，请在 install 命令中包含该标签，例如
conda install cuda -c nvidia/label/cuda-11.3.0
注意
某些 CUDA 版本不会移动到所有可安装组件的新版本。在这种情况下，这些组件将被移动到新标签，您可能需要修改安装命令以包含两个标签，例如
conda install cuda -c nvidia/label/cuda-11.3.0 -c nvidia/label/cuda-11.3.1
此示例将安装作为 CUDA 11.3.1 一部分发布的所有软件包。
2.5. 使用合适的驱动程序模型
在 Windows 10 及更高版本上，操作系统提供了两种驱动程序模型，NVIDIA 驱动程序可以在这两种模型下运行
WDDM 驱动程序模型用于显示设备。
NVIDIA 驱动程序的 Tesla 计算集群 (TCC) 模式适用于非显示设备，例如 NVIDIA Tesla GPU 和 GeForce GTX Titan GPU；它使用 Windows WDM 驱动程序模型。
TCC 默认在大多数最新的 NVIDIA Tesla GPU 上启用。要检查正在使用的驱动程序模式和/或切换驱动程序模式，请使用 NVIDIA 驱动程序安装中包含的 nvidia-smi 工具（有关详细信息，请参阅 nvidia-smi -h）。
注意
请记住，当为特定 GPU 启用 TCC 模式时，该 GPU 不能 用作显示设备。
注意
NVIDIA GeForce GPU（不包括 GeForce GTX Titan GPU）不支持 TCC 模式。
2.6. 验证安装
在继续之前，务必验证 CUDA 工具包是否可以找到支持 CUDA 的硬件并与之正确通信。为此，您需要编译并运行一些包含的示例程序。
2.6.1. 运行编译后的示例
可以通过在命令提示符窗口中运行 nvcc -V 来检查 CUDA 工具包的版本。您可以通过转到以下位置显示命令提示符窗口
开始 > 所有程序 > 附件 > 命令提示符
CUDA 示例位于 https://github.com/nvidia/cuda-samples。要使用这些示例，请克隆项目，构建示例，并按照 Github 页面上的说明运行它们。
为了验证硬件和软件配置是否正确，强烈建议您构建并运行 deviceQuery 示例程序。可以使用 deviceQuery 文件夹中提供的 VS 解决方案文件构建该示例。
这假定您使用了默认安装目录结构。如果 CUDA 已正确安装和配置，则输出应类似于 图 1。
图 1 deviceQuery CUDA 示例的有效结果
您的系统上的确切外观和输出行可能有所不同。重要的结果是找到了设备，设备与系统中安装的设备匹配，并且测试通过。
如果已安装支持 CUDA 的设备和 CUDA 驱动程序，但 deviceQuery 报告没有支持 CUDA 的设备，请确保设备和驱动程序已正确安装。
运行与上面的 deviceQuery 位于同一目录中的 bandwidthTest 程序，可确保系统和支持 CUDA 的设备能够正确通信。输出应类似于 图 2。
图 2 bandwidthTest CUDA 示例的有效结果
设备名称（第二行）和带宽数字因系统而异。重要的项目是第二行，它确认找到了 CUDA 设备，以及倒数第二行，它确认所有必要的测试都通过了。
如果测试未通过，请确保您的系统上确实有支持 CUDA 的 NVIDIA GPU，并确保已正确安装。
要查看 CUDA 可以执行操作的图形表示，请运行位于以下位置的 particles 示例
https://github.com/NVIDIA/cuda-samples/tree/master/Samples/2_Concepts_and_Techniques/particles
3. Pip Wheels
NVIDIA 提供 Python Wheels，用于通过 pip 安装 CUDA，主要用于将 CUDA 与 Python 一起使用。这些软件包旨在用于运行时，目前不包括开发人员工具（这些工具可以单独安装）。
请注意，使用此安装方法，CUDA 安装环境通过 pip 进行管理，并且必须格外小心地设置您的主机环境，以便在 pip 环境之外使用 CUDA。
先决条件
要安装 Wheels，您必须首先安装 nvidia-pyindex 软件包，这是为了设置您的 pip 安装以从 NVIDIA NGC PyPI 存储库中获取其他 Python 模块所必需的。如果您的 pip 和 setuptools Python 模块不是最新的，请使用以下命令升级这些 Python 模块。如果这些 Python 模块已过时，则本节稍后介绍的命令可能会失败。
py -m pip install --upgrade setuptools pip wheel
您现在应该能够安装 nvidia-pyindex 模块。
py -m pip install nvidia-pyindex
如果您的项目使用 requirements.txt 文件，那么您可以将以下行添加到您的 requirements.txt 文件中，作为安装 nvidia-pyindex 软件包的替代方法
--extra-index-url https://pypi.ngc.nvidia.com
步骤
安装 CUDA 运行时软件包
py -m pip install nvidia-cuda-runtime-cu12
（可选）使用以下命令安装下面列出的其他软件包
py -m pip install nvidia-<library>
元软件包
以下元软件包将为 Windows 上的指定 CUDA 版本安装命名组件的最新版本。“cu12”应理解为“cuda12”。
nvidia-cublas-cu12
nvidia-cuda-runtime-cu12
nvidia-cuda-cupti-cu12
nvidia-cuda-nvcc-cu12
nvidia-cuda-nvrtc-cu12
nvidia-cuda-sanitizer-api-cu12
nvidia-cufft-cu12
nvidia-curand-cu12
nvidia-cusolver-cu12
nvidia-cusparse-cu12
nvidia-npp-cu12
nvidia-nvfatbin-cu12
nvidia-nvjitlink-cu12
nvidia-nvjpeg-cu12
nvidia-nvml-dev-cu12
nvidia-nvtx-cu12
nvidia-opencl-cu12
这些元软件包安装以下软件包
nvidia-cublas-cu128
nvidia-cuda-runtime-cu128
nvidia-cuda-cupti-cu128
nvidia-cuda-nvcc-cu128
nvidia-cuda-nvrtc-cu128
nvidia-cuda-sanitizer-api-cu128
nvidia-cufft-cu128
nvidia-curand-cu128
nvidia-cusolver-cu128
nvidia-cusparse-cu128
nvidia-npp-cu128
nvidia-nvfatbin-cu128
nvidia-nvjitlink-cu128
nvidia-nvjpeg-cu128
nvidia-nvml-dev-cu128
nvidia-nvtx-cu128
nvidia-opencl-cu128
4. 编译 CUDA 程序
CUDA 示例中的项目文件旨在提供简单的一键式程序构建，其中包括所有源代码。要构建 Windows 项目（用于发布或调试模式），请使用为 Microsoft Visual Studio 2015（在 CUDA 11.1 中已弃用）、2017、2019 或 2022 提供的 *.sln 解决方案文件。您可以使用位于 https://github.com/nvidia/cuda-samples 的每个示例目录中的解决方案文件
4.1. 编译示例项目
bandwidthTest 项目是一个很好的示例项目，可以构建和运行。它位于 https://github.com/NVIDIA/cuda-samples/tree/master/Samples/1_Utilities/bandwidthTest。
如果您选择使用默认安装位置，则输出将放置在 CUDA Samples\v12.8\bin\win64\Release 中。使用适当的解决方案文件构建程序并运行可执行文件。如果一切正常，则输出应类似于 图 2。
4.2. 示例项目
示例项目有两种配置：调试和发布（其中发布不包含调试信息）以及不同的 Visual Studio 项目。
一些示例项目需要一些额外的设置。
这些示例项目还使用 $CUDA_PATH 环境变量来定位 CUDA 工具包和相关的 .props 文件所在的位置。
环境变量是使用构建自定义 CUDA 12.8.props 文件自动设置的，并且作为 CUDA 工具包安装过程的一部分自动安装。
Visual Studio |
CUDA 12.8 .props 文件安装目录 |
|---|---|
Visual Studio 2017 |
<Visual Studio 安装目录>\Common7\IDE\VC\VCTargets\BuildCustomizations |
Visual Studio 2019 |
C:\Program Files (x86)\Microsoft Visual Studio\2019\Professional\MSBuild\Microsoft\VC\v160\BuildCustomizations |
Visual Studio 2022 |
C:\Program Files\Microsoft Visual Studio\2022\Professional\MSBuild\Microsoft\VC\v170\BuildCustomizations |
在构建自己的 CUDA 应用程序时，您可以参考此 CUDA 12.8.props 文件。
4.3. 新项目的构建自定义
创建新的 CUDA 应用程序时，必须配置 Visual Studio 项目文件以包含 CUDA 构建自定义。为此，请单击“文件”->“新建”| “项目…” NVIDIA-> CUDA->，然后为您的 CUDA 工具包版本选择一个模板。例如，选择“CUDA 12.8 运行时”模板会将您的项目配置为与 CUDA 12.8 工具包一起使用。新项目在技术上是一个 C++ 项目 (.vcxproj)，它已预配置为使用 NVIDIA 的构建自定义。Visual Studio C++ 项目的所有标准功能都将可用。
要指定自定义 CUDA 工具包位置，请在 CUDA C/C++ 下，选择 Common，并将 CUDA Toolkit Custom Dir 字段设置为所需值。请注意，所选工具包必须与构建自定义的版本匹配。
注意
必须安装受支持的 MSVC 版本才能使用此功能。
4.4. 现有项目的构建自定义
将 CUDA 加速添加到现有应用程序时，必须更新相关的 Visual Studio 项目文件以包含 CUDA 构建自定义。可以使用以下两种方法之一完成此操作
打开 Visual Studio 项目，右键单击项目名称，然后选择 构建依赖项 > 构建自定义…，然后选择您要定位的 CUDA 工具包版本。
或者，您可以配置您的项目始终使用最新安装的 CUDA 工具包版本进行构建。首先，如上所述将 CUDA 构建自定义添加到您的项目。然后，右键单击项目名称并选择 属性。在 CUDA C/C++ 下，选择 Common，并将 CUDA Toolkit Custom Dir 字段设置为
$(CUDA_PATH)。请注意，$(CUDA_PATH)环境变量由安装程序设置。
虽然选项 2 将允许您的项目自动使用您将来可能安装的任何新 CUDA 工具包版本，但在实践中，显式选择工具包版本（如选项 1 中所示）通常更好，因为如果为较新的工具包添加了新的 CUDA 配置选项以伴随构建自定义规则，您将看不到使用选项 2 的这些新选项。
如果您使用 $(CUDA_PATH) 环境变量来定位要构建的 CUDA 工具包版本，并且您执行任何版本的 CUDA 工具包的安装或卸载，您应该验证 $(CUDA_PATH) 环境变量是否指向 CUDA 工具包的正确安装目录以满足您的用途。您可以通过以下步骤访问 $(CUDA_PATH) 环境变量的值
从“开始”菜单打开“运行”窗口。
-
运行
control sysdm.cpl
选择窗口顶部的 高级 选项卡。
单击窗口底部的 环境变量。
包含 CUDA 代码的文件必须标记为 CUDA C/C++ 文件。这可以在添加文件时完成，方法是右键单击要向其添加文件的项目，选择 添加新项，选择 NVIDIA CUDA 12.8\代码CUDA C/C++ 文件，然后选择要添加的文件。
对于高级用户，如果您希望尝试针对较新的 CUDA 工具包构建您的项目，而无需更改任何项目文件，请转到 Visual Studio 命令提示符，将当前目录更改为您的项目位置，然后执行如下命令
msbuild <projectname.extension> /t:Rebuild /p:CudaToolkitDir="drive:/path/to/new/toolkit/"
5. 附加注意事项
现在您已经安装了支持 CUDA 的硬件和 NVIDIA CUDA 工具包，您可以检查并享受众多包含的程序。要开始使用 CUDA 来加速您自己的应用程序的性能，请查阅 CUDA C 编程指南，该指南位于 CUDA 工具包文档目录中。
CUDA 工具包中包含许多有用的开发工具，或者可以从 NVIDIA 开发人员专区下载，以在您开发 CUDA 程序时为您提供帮助，例如 NVIDIA® Nsight™ Visual Studio Edition 和 NVIDIA Visual Profiler。
有关编程问题的技术支持，请单击此处，查阅并参与开发者论坛。
6. 通知
6.1. 通知
本文档仅供参考，不得视为对产品的特定功能、状况或质量的保证。NVIDIA Corporation（“NVIDIA”）对本文档中包含的信息的准确性或完整性不作任何明示或暗示的陈述或保证，并且对本文档中包含的任何错误不承担任何责任。NVIDIA 对使用此类信息造成的后果或使用，或因使用此类信息而可能导致的侵犯第三方专利或其他权利的行为不承担任何责任。本文档不构成对开发、发布或交付任何材料（如下定义）、代码或功能的承诺。
NVIDIA 保留随时对此文档进行更正、修改、增强、改进和任何其他更改的权利，恕不另行通知。
客户应在下订单前获取最新的相关信息，并应验证此类信息是最新且完整的。
NVIDIA 产品的销售受订单确认时提供的 NVIDIA 标准销售条款和条件的约束，除非 NVIDIA 和客户的授权代表签署的个别销售协议（“销售条款”）另有约定。NVIDIA 在此明确反对将任何客户通用条款和条件应用于购买本文档中引用的 NVIDIA 产品。本文档未直接或间接形成任何合同义务。
NVIDIA 产品并非设计、授权或保证适用于医疗、军事、航空、航天或生命支持设备，也不适用于 NVIDIA 产品的故障或失灵可能合理预期会导致人身伤害、死亡或财产或环境损害的应用。NVIDIA 对在上述设备或应用中包含和/或使用 NVIDIA 产品不承担任何责任，因此，此类包含和/或使用由客户自行承担风险。
NVIDIA 对基于本文档的产品适用于任何特定用途不作任何陈述或保证。NVIDIA 不一定会执行对每种产品所有参数的测试。客户全权负责评估和确定本文档中任何信息的适用性，确保产品适合并满足客户计划的应用，并为该应用执行必要的测试，以避免应用或产品出现缺陷。客户产品设计的缺陷可能会影响 NVIDIA 产品的质量和可靠性，并可能导致超出本文档所包含的附加或不同的条件和/或要求。对于因以下原因引起或归因于以下原因的任何缺陷、损坏、成本或问题，NVIDIA 不承担任何责任：(i) 以违反本文档的方式使用 NVIDIA 产品或 (ii) 客户产品设计。
本文档未授予任何明示或暗示的许可，包括 NVIDIA 专利权、版权或其他 NVIDIA 知识产权。NVIDIA 发布的有关第三方产品或服务的信息不构成 NVIDIA 授予的使用此类产品或服务的许可，也不构成对此类产品或服务的保证或认可。使用此类信息可能需要获得第三方的专利或其他知识产权许可，或者获得 NVIDIA 的专利或其他知识产权许可。
只有在事先获得 NVIDIA 书面批准的情况下，才可以复制本文档中的信息，并且复制必须不得更改，完全遵守所有适用的出口法律法规，并附带所有相关的条件、限制和声明。
本文档以及所有 NVIDIA 设计规范、参考板、文件、图纸、诊断程序、列表和其他文档（统称为“材料”，单独或合并）均“按原样”提供。NVIDIA 对这些材料不作任何明示、暗示、法定或其他形式的保证，并且明确声明不承担所有关于不侵权、适销性和特定用途适用性的默示保证。在法律未禁止的范围内，在任何情况下，NVIDIA 均不对因使用本文档而引起的任何损害（包括但不限于任何直接、间接、特殊、偶然、惩罚性或后果性损害，无论如何引起，也无论责任理论如何）承担责任，即使 NVIDIA 已被告知可能发生此类损害。尽管客户可能因任何原因遭受任何损害，NVIDIA 对本文所述产品的客户承担的总体和累积责任应根据产品的销售条款进行限制。
6.2. OpenCL
OpenCL 是 Apple Inc. 的商标，已获得 Khronos Group Inc. 的许可使用。
6.3. 商标
NVIDIA 和 NVIDIA 徽标是 NVIDIA Corporation 在美国和其他国家/地区的商标或注册商标。其他公司和产品名称可能是与其相关的各自公司的商标。