深度学习环境搭建（从卸载CUDA到安装，以及Pytorch与torchvision的安装。你从未见过的全有版本）

先来点头疼的：在深度学习的过程中，环境搭建是必须要经过的一个关卡，由于版本对应麻烦，很多时候会让人头疼。
本文将从卸载到安装，搭建深度学习环境。以CUDA11.0+Pytorch1.7.1+Torchvision0.8.1为模。

CUDA卸载

卸载很简单

先放要卸载的图，卸载除下图标注的三个以外的关于NVIDIA的一切。（两种卸载方法）

1、设置——应用

2、控制面板——程序——程序和功能

开始卸载吧！

当然，下图中所标示的文件夹也可以删除。

卸载完成！！！
（可能会有朋友会发问，这注册表不是没有删除么，其实没事的，在安装新的时候，注册表会被覆盖的。不同的版本也会有新的注册表）

CUDA11.0安装

首先查看自己电脑的驱动程序版本和推荐安装的CUDA版本，一般来说，推荐版本是与当前电脑驱动程序以及显卡配置可相匹配的最高版本了，当然了比推荐版本低的版本都可以安装即向下兼容。按需安装即可。

WIN+R CMD

nvidia-smi

由于我即将使用的项目需要Pytorch1.7.0，所以我将安装CUDA11.0
这里就不给出其他CUDA Toolkit版本与Pytorch对应关系了。因为官方有时会调整，被坑的吐血，如果以后能找到比较权威的，会放图。

下载CUDA11.0

可以通过此链接进行下载：
https://developer.nvidia.com/cuda-toolkit-archive

下载完成之后双击下载好的.exe文件
这里的路径一定要记住，涉及到之后修改环境变量。

接下来按照图示步骤操作即可

到这里CUDA11.0版本的安装就完成了，我们可以来进行验证以下：

安装对应版本的CUDNN

可以通过此链接进行下载：
https://developer.nvidia.com/rdp/cudnn-archive

在下载的时候需要登陆账号，如果没有，注册一个就好：
输入邮箱

验证邮箱邮件

根据需要，暂不就行，不整那些花里胡哨的

开始下载

下载之后是一个压缩包，解压之后打开。
打开之后，双击点开看到cuda文件夹
打开之后，如下图：

接下来打开之前安装CUDA时候安装的路径，将途中各个文件夹下的文件复制到对应目录下：
复制CUDNN内的bin到CUDA的bin

复制CUDNN内的include到CUDA的include

复制CUDNN内的/lib/x64到CUDA的/lib/x64

接下来将安装的CUDA的路径添加到环境变量
按照图示操作：

添加系统变量，一共需要添加5个

按照以上步骤进行逐个添加

在Path添加环境变量

将下图４个路径添加进来

至此，CUDA与CUDNN的安装就结束了
接下来，检查一下是否安装成功了

见到两处PASS的话，那么恭喜你了！！！

Pytorch及torchvision安装

可以通过此链接进行下载：
https://download.pytorch.org/whl/torch_stable.html
下载需要版本的Pytorch

这里安装错了torchvision版本

Pytorch1.7.0需要torchvision的版本>=0.8.1

本地安装Pytorch与torchvision

到这里Pytorch与torchvision就安装完成了
随便跑个深度学习项目试一下

完美！！！
可怜我一地的头发啊