配置深度学习环境：在Windows（Win10）中安装CUDA，CUDNN，Pytorch GPU版

安装需知：Nvidia GPU Driver（与硬件交互的低层软件）决定CUDA版本，CUDA版本决定cuDNN版本

①查看适配Driver的Cuda版本

在这里默认已安装Nvidia GPU Driver，一般电脑中只要有GPU就已安装了Driver
桌面 --》 鼠标右键 --》NVIDIA控制面板

NVIDIA控制面板–》系统信息

组件 --》NVCUDA64.DLL 在产品名称栏可以看到CUDA 11.5.76 driver
则我的电脑适配的是Cuda 11.5及以下的版本

②卸载已安装的Cuda

设置 --》应用 --》应用和功能

在搜素中查找 NVIDIA,注意在显示列表中仅卸载含CUDA的软件即可，仅卸载含CUDA的软件即可，仅卸载含CUDA的软件即可，请慎重卸载

③选择对应CUDA

查看自身显卡的算力，在此网站中搜索显卡型号，可以看到我显卡对应的算力是7.5

查看显卡算力支持的CUDA版本

算力7.5支持的CUDA版本有10.0-10.2，11.0，11.1-11.4，11.5–11.7.1，11.8，12.0
显卡驱动最高支持的CUDA为11.5，安装的CUDA应该小于等于11.5，因此我可选的CUDA版本有10.0-10.2，11.0，11.1-11.4，11.5

④下载对应Cuda

进入Cuda工具包下载页面，选择适合自己版本的Cuda,我在这里选择11.5.0的版本

选择系统类型

选择软件包类别，点击download

⑤安装Cuda

Cuda默认会安装到C盘/Program Files/NVIDIA Corporation中
因C盘容量不足，我准备将Cuda安装在D盘 新建了以下目录文件

目录结构如下图所示，四个文件夹均为手动新建，此后安装时将路径选在这边

双击打开我们之前下载的Cuda 11.5.0的安装包

弹出如下界面，表示将生成一个临时文件，路径可以修改在其他位置，点击OK

等待进度达到100%

之后将弹出如下界面


点击同意并继续

由于有些东西是不需要的，因此选择自定义安装

勾选如下文两张图所示的内容


点击下一步，选择安装位置，下面是默认的安装位置，我要安装在D盘因此点击浏览，选择到我们之前新建的文件位置，注意文件名称与官方中的保持一致·

为保持一致，在CUDA的目录中新建一个v11.5的文件夹

其他两个路径同理，修改后如下图所示

打钩，点击Next



完成后如下图所示，点击关闭即可

还记得之前生成的临时文件吗，这个时候就已经自动删除了

⑥下载Cudnn

2024年4月更新博文：cuDNN已经被集成在Pytorch中，无需单独安装，但是如果需要从源码编译就还是需要安装cuDNN 具体查看这里

Nvidia Cudnn下载网址（需登录nvidia账号才能下载）
由于我的Cuda版本为11.5 因此下载 根据自身需要下载xxxx for CUDA 11.5的Cudnn

选择zip版进行下载

下载完成后进行解压

⑦安装Cudnn

下图中内容为Cudnn压缩包解压出的内容，全选复制

粘贴在Cuda安装时的目录 NVIDIA GPU Computing Toolkit\CUDA\v11.5中

⑧验证Cuda是否安装成功

使用如下命令，出现版本信息即代表安装成功

nvcc -V

⑨安装Pytorch GPU版

在安装之前建议将源换为清华源或其他源，加快下载过程

进入Pytorch官网 下载Pytorch

带有CUDA字样的就是GPU版，由于我们已安装CUDA的版本是11.5，因此我们可以下载小于等于11.5的版本
在anaconda中先激活需要安装pytorch的环境，我这里是之前创建过的名为d2l的环境

在这里可以查看Pytorch的历史版本

在这里我要安装1.11.0的Pytorch，选择CUDA11.3的版本

复制该条指令 到anaconda中，回车执行

确认安装 输入y

等待下载完成

出现以下界面代表安装成功

使用conda list 查看已安装的包

发现pytorch torchvision torchaudio cudatoolkit均在其中，至此，安装成功，完结撒花喽~~~