深度学习之环境配置--安装和配置PyTorch(GPU版本)

在此之前我们已经成功安装好了PyTorch的CUP版本以及anaconda的两个环境(一个虚拟环境，一个base)，然后我们就可以在虚拟环境中安装GPU版本了。

1.安装CUDA

由于cuda10.x已经不能支持Windows系统了，我们只能安装CUDA11.3 CUDA之前的版本下载链接

找到CUDA11.3下载即可，安装时可以选择默认地址，使用推荐的一键安装即可，一般来讲，环境变量在下载之后会自动更新，因此一般情况下不需要设置环境变量。另外，CUDA就相当于GPU的工作台，GPU想要运行必须要有CUDA。

2.安装CUDNN

如果说CUDNN可以理解为CUDA的加速器，让工作台更高效率的工作，因此我们要想使得GPU加速足够快，就得安装CUDNN CUDNN下载链接。注意CUDNN下载需要注册一个NVIDIA的账号，注册好后就可以选择for CUDA 11.x 版本的CUDNN下载。

将下载好的CuDNN解压，然后将CuDNN 文件夹里面的文件 拷贝到 CUDA对应的文件夹中即可。

3.安装PyTorch的GUP版本

打开PyTorch官网进行如下选择：

然后打开anaconda prompt，首先输入 conda activate 环境名称 切换到我们安装好的虚拟环境中，再输入下面一行指令 conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch，等待安装即可。

4.检测环境

安装完成后，我们输入

python
import torch
torch.cuda.is_available()

如果返回值为True,那么恭喜你GPU环境安装成功.