CUDA、Pytorch、Pycharm的安装与配置

一、CUDA安装

1.检查英伟达驱动支持的最高CUDA版本

cmd中输出以下命令查询最高支持的CUDA版本

NVIDIA-smi

我的CUDA Driver版本就是11.6，表示的是驱动所能支持的最大运行API版本就是11.6。我如果要安装CUDA Runtime Version（运行版本），要保证CUDA Driver 版本 >= CUDA Runtime 版本，也就是11.6及以前的。

二、Pytorch的安装与环境配置

1.选择是下载CPU版本还是GPU版本

①如果是小任务，用CPU版本。
②如果是大的深度学习训练模型，用GPU版本。且必须要有英伟达独立显卡才能使用GPU版本，仅有集成显卡或其他品牌独立显卡智能使用CPU版本。

1.查看自己的GPU
任务管理器→性能

2.上Pytorch官网找到安装命令

https://pytorch.org/get-started/locally/

3.运行指令

注意，先创建并激活虚拟环境！

详见本文，Anaconda的安装与环境设置：https://blog.csdn.net/Edward1027/article/details/142703627

(1)CPU版本

1.直接从国外下载

conda install pytorch torchvision torchaudio cpuonly -c pytorch

2.国内镜像加速地址

conda install pytorch torchvision torchaudio cpuonly -c 镜像地址

(2)GPU版本

命令有两种选择：
1.选择一：直接从 conda 源中安装指定版本的 cudatoolkit，而不通过 NVIDIA 渠道。比如PPT上是安装的GPU版本10.2

conda install pytorch torchvision cudatoolkit=10.2

2.选择二：官网命令

conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

①pytorch：深度学习库
②torchvision：计算机视觉库
③torchaudio：音频处理库

4.验证

1.CUDA版本检查

nvcc --version    (或 nvcc -V)

2.torch库检查
虚拟环境下，输入python，进入python环境

import torch               #不报错
import torchvision         #不报错
torch.cuda.is_available()  #返回值为True,说明Pytorch安装成功
exit()					   #退出

5.安装其他所需模块

注意关闭梯子等代理

(1)安装Matplotlib

pip install matplotlib

(2)安装 pillow（可能anaconda已经给安装了）

pip install pillow

(3)安装opencv

pip install opencv-python

(4)安装sklearn

pip install scikit-learn

三、Pycharm的下载与激活

1.上jerbrains官网下载Pycharm：https://www.jetbrains.com.cn/

2.激活
(1)激活码 or 脚本激活工具
(2)在校生可以用教育邮箱，在官网免费注册，包括各种IDE、py专业版、adobe、matlab