GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记

以下是我亲测有效的使用 GTX 1060 的各部分安装版本
电脑系统：window 10
python版本：3.8.13
pytorch版本：1.11.0
CUDA版本：11.3
cuDNN版本：8.2

以下是我个人安装过程的步骤，以及我踩过的坑，这里解决踩坑问题主要参考：

RTX3060+win10+CUDA11.2+cudnn8.2.0+pytorch1.8.0 环境——个人配置经验
Win10+MX250+CUDA11.3+cuDNN+Pytorch安装

---

前言

由于本人今年CS准研一小白，入门深度学习的过程中，在学长的推荐下学习了李沫大神的《动手学深度学习》，在安装的pytorch环境的过程钟遇到的一些坑，在此特意分享踩坑心得，也防止下次换电脑重新装新的环境的时候避免再次遇到同样的问题。

---

一、安装Miniconda

这里根据李沫大神的《动手学深度学习》的安装教程进行安装的，大家也可以选择安装完整的conda。最简单的方法就是安装依赖Python 3.x的Miniconda。 如果已安装conda，则可以跳过以下步骤。

1、进入Miniconda官网：https://conda.io/en/latest/miniconda.html

二、创建conda环境

1.打开控制台

2.输入命令：

conda create --name torch_gpu python=3.8

其中的torch_gpu为anaconda下虚拟环境名称，可自定义，python=3.8为选择安装的python版本。
然后输入Y，按回车则进行创建，创建完成后是这个界面就证明创建成功了。

接着启用创建的环境：

conda activate torch_gpu

我们可以使用conda list命令来查看当前conda环境中有哪些包。

关闭该环境的话，输入指令：conda deactivate

三.安装pytorch深度学习框架和d2l软件包

这里按照李沫的教程傻乎乎的pip跟着安装，最后发现是cpu版本，后来把好不容易下好的包又卸载掉了，如果电脑没有gpu的话，可以安装cpu版本，但是后期可能在大型网络的训练上就会很慢。如果需要安装CPU版本的话就是如下命令。

pip install torch==1.11.0  
pip install torchvision==0.12.0

我们的下一步是安装d2l包，以方便调取本书中经常使用的函数和类：

pip install d2l==0.17.5

好了这里不废话了
现在正式开始我们Pytorch-GPU版本的安装
第一步，我们首先需要确定自己的显卡cuda版本，查下英伟达的驱动和cuda的对应关系。
查看自己cuda版本方法如下，打开英伟达控制面板–>系统信息–>组件

如果是老的显卡驱动可能cuda版本是10.2，这里我提前更新了一下显卡驱动，因为pytorch官网说win10不支持10.2cuda，支持11.3。

我的驱动版本是465.89驱动，刚好满足cuda 是11.3
如果大家的环境和我一样，官网下载太慢了，我这里提供我的465.89驱动+cuda11.3+cudnn8.2的百度网盘下载链接。

链接：https://pan.baidu.com/s/1vBn98D7D2VzTvAdZ4ir91w
提取码：psck

英伟达Game驱动和Studio驱动有什么区别？其实Game驱动针对游戏玩家安装，为各大游戏提供绝佳的游戏体验。studio字面就是工作室，原来叫creator driver，适合CG行业方面的从业人员，推荐安装Studio版本，在稳定性和三维软件的针对性上有优化加成吧。
到官方下载英伟达驱动 https://www.nvidia.cn/geforce/drivers/

第一步先下载cuda11.3，链接:https://developer.nvidia.com/cuda-toolkit-archive

下载好之后默认安装就可以了。
安装完成检查cuda是否安装成功
在命令行输入

nvcc -V

如图所示则为成功

第二部下载cudnn8.2，链接：https://developer.nvidia.com/cudnn

下载cuDNN需要注册NVIDIA账号并登录，我使用qq邮箱可以正常收发邮件。
邮箱验证完后，补全一些信息即可。


下载好解压文件夹到桌面，可以得到如下的目录。

然后找到cuda，英伟达安装的位置，默认安装文件夹的位置应该是在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
然后把bin ；include ；lib文件夹复制过去。

四、pytorch-gpu安装

在刚刚创建的环境中安装pytorch, 在pytorch 官网 https://pytorch.org/get-started/locally/ 找到对应的下载指令进行下载，选择与自己环境匹配的，如下是我的环境配置：

在已经激活的环境中输入上图红框中的命令：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

默认pytorch官网为下载源，下载速度太慢，很容易报错，所以更改为清华大学镜像，命令行输入下面的命令：

#添加Anaconda的清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
#设置搜索时显示通道地址
config --set show_channel_urls yes

然后在输入：
conda install pytorch torchvision cudatoolkit=11.3
注意要把后面的-c pytorch去掉，不然还是使用的默认源下载。
根据提示安装后，进行测试：

import torch
torch.cuda.is_available()

如果显示True则证明安装成功。
这里我就在想为什么呢？

我们用conda list查看发现清华源下载的是cpu版本的pytorch

确实好像是装成了cpu的版本
卸载命令：conda uninstall xxx //卸载xxx包

conda uninstall pytorch

注：如果要删除自定义源更换回conda的默认源，直接删除channels即可，命令如下：

conda config --remove-key channels

然后采用官网默认的源进行安装就成功了，就是速度很慢。

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

五、测试

最后安装完成之后再进行验证。

conda activate d2l-gpu

(d2l-gpu) C:\Users\Administrator>python
Python 3.8.13 | packaged by conda-forge | (default, Mar 25 2022, 05:59:00) [MSC v.1929 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()  # cuda是否可用
True
>>> print(torch.version.cuda) # 查看pytorch 对应的cuda版本
11.3
>>> print(torch.__version__) # 查看pytorch版本
1.11.0
>>> torch.cuda.device_count() # 返回gpu数量
1
>>> torch.cuda.get_device_name(0) # 返回gpu名字，设备索引默认从0开始；
'NVIDIA GeForce GTX 1060'
>>> torch.cuda.current_device() # 返回当前设备索引
0
>>> print(torch.backends.cudnn.version()) #检测cudnn可用性
8200
>>>

通过nvcc -V和nvidia-smi分别查看cuda版本

大功告成！

---