【保姆级教程】手把手带你配置Windows下Cuda+cudnn+PyTorch开发环境

LogosTR_

已于 2024-06-03 21:03:13 修改

阅读量1.5k

点赞数 18

分类专栏：深度学习文章标签： pytorch 深度学习 python

于 2024-06-02 17:44:03 首次发布

本文链接：https://blog.csdn.net/LogosTR_/article/details/139394272

版权

深度学习专栏收录该内容

10 篇文章 9 订阅

订阅专栏

本文面向零基础的AI初学者以及迁移DL开发环境的相关人员，旨在通过最直观、最简洁的一条龙式图文配置教程，最大程度地降低学习门槛与迁移环境的成本。在配置工作开始之前，请务必检查确认您有一块Nvidia的显卡！

1.安装显卡驱动

按如下步骤检查是否已经安装显卡驱动：

按 Win + X 键，然后选择“设备管理器”。
在设备管理器窗口中，展开“显示适配器”选项。
在“显示适配器”下，若显示具体的显卡型号（例如，NVIDIA GeForce RTX 4090），说明驱动已经安装；若显示Microsoft 基本显示适配器或类似的通用名称，说明没有正确安装N卡的驱动。

如果显卡驱动已正确安装，可直接跳到下一节。否则，按下面步骤安装显卡驱动：

点击链接进入驱动下载界面。
根据自己显卡型号选择对应选项，笔记本选择(Notebooks)。
选择相应的操作系统。
下载类型默认Game Ready Driver即可。
语言可选择简体中文Chinese(Simplified)。

在这里插入图片描述

点击Search下载安装。

2.CUDA安装

按 Win + R 键，键入cmd。
命令行输入nvidia-smi查看当前显卡驱动版本以及可安装的最高CUDA版本，如下图所示，驱动版本555.85，安装的CUDA版本应小于等于12.5。

在这里插入图片描述

点击链接，选择要下载的CUDA版本。

在这里插入图片描述

安装过程可全程默认，推荐安装到默认路径，后续卸载以及cuDNN的安装都需要此安装路径，推荐默认路径以防忘记安装位置。
打开cmd命令行，键入nvcc --version检查CUDA是否正确安装，显示下图输入表示安装成功。

在这里插入图片描述

3.cuDNN安装

点击链接进入官网下载页面。
根据上小节安装的CUDA版本选择兼容的cuDNN版本。

在这里插入图片描述

将下载完成的文件解压，得到include、bin和lib三个文件夹。
将三个文件夹内的文件，复制到CUDA安装路径下对应的文件目录内。
验证cuDNN安装成功，打开目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite（CUDA安装选择默认路径时），在下图高亮选中位置输入cmd进入终端。

在这里插入图片描述

终端内先后输入deviceQuery.exe与bandwidthTest.exe，系统均响应PASS表示安装成功。

在这里插入图片描述

4.PyTorch安装

官网下载链接。
如下图选择配置，其中CUDA版本不得高于第2节安装的CUDA版本，如果页面上没有对应CUDA版本，可点击红框中的“install previous versions of PyTorch”链接去选择CUDA版本对应的PyTorch。

在这里插入图片描述

选好后复制Run this Command栏的命令，注意如果pip3报错的话，需要将pip3改为pip。
打开PyCharm输入以下代码以验证PyTorch安装是否成功。

import torch
print(torch.__version__)
print(torch.cuda.is_available())

返回如下信息表示安装成功。

在这里插入图片描述

5.结尾

至此，windows下cuda、cudnn以及pytorch的环境配置已讲解完毕。当然，更基础且必需的Python安装配置本文并未介绍，有相应需求的同学请移步到本人另一篇博客【深度学习】安装配置Anaconda，里面有详细介绍。最后，求一波点赞、关注，您的支持是对我持续创作的最大支持！我们下篇再见~