pytorch的安装（cuda和cudnn）

1、Anaconda下载与安装

百度搜索Anaconda，进入官网。

点击这个

下载对应的版本（我电脑上安装的python是3.8）

下好了之后安装，这个安装就一路默认就行。

2、下载CUDA和cudnn

cuda版本的选择和你的显卡有关系。

鼠标在桌面右击，打开NVIDIA控制面板。点击系统信息

点击组件。可以看到，我这里是RTX3060的显卡，支持cuda11.2。看到自己对应的版本再去下载。

直接百度搜索cuda11.2 出来的第一个就是

然后这个网站需要先注册一下。没注册的话点击右上角注册一下

注册完了之后，依次选择一下。最后点击下载

这个开始下载，与此同时我们可以去下载一下cudnn。

注意！cudnn的版本选择是和cuda的版本有关系的

可以在官网看到他们的对应关系

Support Matrix :: NVIDIA Deep Learning cuDNN Documentationhttps://docs.nvidia.com/deeplearning/cudnn/support-matrix/index.html

或者这个网址：cuDNN Archive | NVIDIA Developerhttps://developer.nvidia.com/rdp/cudnn-archive

我下载的是8.1.0。

下载你需要的版本.（注意，下载这个需要你登陆，如果没登陆，会提示你先登陆的）

3、安装cuda

下载好了之后，双击安装

这里选择自定义

这里全部勾选

安装完后在C盘这个位置

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

然后去看下环境变量，这俩应该直接有

添加 %CUDA_path%;%CUDA_PATH%\bin;%CUDA_PATH%\lib\x64;%CUDA_path%\libnvvp; 到path

4、安装cudnn

cudnn其实算不上是安装。

我们把下载的安装包解压。解压出来得到一个文件夹cuda

文件夹里面有三个文件夹

去c盘的 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

把解压出来的三个文件夹复制到c盘目录下的这三个文件夹里面

然后添加环境变量

去环境变量里面PATH看这几个路径有没有

如果没有那就添加上

5、检查是否安装成功

命令行输入nvcc -V

如下说明cuda安装成功

进入到cuda的安装路径，C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite，找到如下两个.exe文件

可以直接运行这两个文件。不过我直接运行会闪退

我是在命令行里面运行的

如下界面说明cudnn安装成功

6、安装pytorch

参看博客：安装PyTorch详细过程_MCYZSF的博客-CSDN博客_pytorch安装安装PyTorch过程安装anaconda环境管理PyTorch安装检验安装安装anaconda登录anaconda的官网下载，anaconda是一个集成的工具软件不需要我们再次下载。anaconda官网点击下载跳转到这个页面如果你的Python版本正好是3.8版，那便可以直接根据系统去选择自己相应的下载版本就可以了。但是如果你的Python版本号不是当前页面的版本号，那我建议你去选择相对应的版本号。点击archive你就会跳转到下面的页面你可以访问这篇博客去找到当前与你python版本号相对https://blog.csdn.net/MCYZSF/article/details/116525159

打开Ananonda Prompt

如图：

输入：conda create -n pytorch python=3.7

在我们做项目的时候可以能需要不同环境的python版本，有时候要1.0版本，有的需要3.0版本的拿在这里我们就需要建立不同的环境，在不同的需要的时候去使用。这个是在Anaconda Prompt下操作的。

创建的格式：conda create -n
"pytorch"是这个环境变量的名字
"python=3.7"是我们要确定的当前环境的版本数

创建成功后

下面我们进入我们刚才创建好的环境。刚才我们给他起的名字叫pytorch （左边的base是基本环境）（pytorch是你定义的这个环境的名字）

输入：activate pytorch

输入pip list 查看当前环境下有哪些包（现在还没有pytorch）

进入ptyorch官网，点击install

PyTorchAn open source machine learning framework that accelerates the path from research prototyping to production deployment.https://pytorch.org/

选择配置，复制指令

去虚拟环境下执行复制的指令

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

然后开始下载，时间比较久，等待一会

安装完了之后 pip list 可以看到已经有了

运行另一个