win11 系统 GPU版本pytorch、CUDA、anaconda 、pycharm详细安装教程

win11 系统深度学习环境搭建----- GPU版本pytorch、CUDA、cuDnn、anaconda 、tensorflow_gpu、pycharm详细安装教程

参考比站视频：

PyTorch（GPU版）详细安装教程_哔哩哔哩_bilibili

Python+Anaconda+PyCharm的安装和基本使用【适合完全零基础】不只是教你如何安装，还告诉你为什么这么安装_哔哩哔哩_bilibili

Anaconda和Pycharm的安装和配置 - 做你的太阳乀 - 博客园 (cnblogs.com)

1.Cuda安装

查看自己显卡对应的cuda版本

我的版本如下：

安装地址：CUDA Toolkit Archive | NVIDIA Developer

下载对应版本地址即可；

注意：这里安装的如下一定要是默认地址，否则会安装不成功

这里如果当前版本大于等于新版本号，则把勾号去掉

检测是否安装成功：

win+R---->cmd

输入命令nvcc -v

显示这样即安装成功

2.Cudnn安装

安装地址：https://developer.nvidia.com/rdp/cudnn-download

注意这里首次要注册登录，正常注册即可：

选择对应的cudnn版本，没有看到11.3的，下载的是11.2的

然后将下载的文件夹解压缩，并且重命名如下：

将第二级的cudnn文件夹复制粘贴到cuda的安装地址，如下：

接下来是cuda和cudnn的环境配置

计算机—》属性—》高级系统设置----》环境变量—》系统变量—》path

添加如下环境变量

这样即安装完成。

3.pytorch安装

注意在这之前要安装python解释器：Download Python | Python.org

下载对应版本的python.这里安装的是py3.7.3，因为pythorch安装要用到pip3,否则找不到命令。

安装过程默认即可，网上也有不少教程。

接下来安装pytorch，进入官网PyTorch下载对应的版本，这里我选择如下：

复制命令到 cmd中的控制台，下载即可。

4.检测是否安装成功

输入python,

然后输入如下命令

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

输出为true即为安装成功

5.pycharm安装

这里推荐一个公众号《软件管家》，里面有详细的pycharm安装教程

安装成功之后

新建项目如下图，设置解释器为之前下载的python.

然后设置—》项目----》python interpreter 里面选择解释器，会看到下载的对应的库，可以看到下载了torch和torchvision

6.anaconda下载安装

其实如上就可以正常使用了，但是anaconda提供了很好的包管理工具，具体可参考比站视频

下载地址：Index of / (anaconda.com)

下载之前可以查看anaconda和对应python版本之间的关系

下载完成之后配置可以参考以上链接；

其实现在pycharm里面有两套环境，一个是之前的python,一个是anaconda里面的python环境

如果喜欢用anaconda的话可以在pytorch官网上重新下载conda版本的gpu版本的pytorch

然后复制命令到anaconda自带的控制台里面下载即可。

下载完成之后也可以设置pycharm为anaconda里面python解释器的版本，如下：

配置教程Anaconda和Pycharm的安装和配置 - 做你的太阳乀 - 博客园 (cnblogs.com)

之后跑代码就看你使用哪个配置了，个人建议使用anaconda版本的，比较方便，之后安装包可以在它自带的控制台里面下载。

7.anaconda虚拟环境搭建

为了使得每个项目都有自己的环境，防止相互影响，采用如下代码创建虚拟环境

//创建环境：conda create -n project_name python=3.6 
//激活环境：conda activate project_name
//退出某个环境：conda deactivate project_name
//安装xxx库或者依赖 pip install xxxx
//查看所有的虚拟环境 conda info --envs

8.tensorflow GPU版本下载

网上有教程：https://zhuanlan.zhihu.com/p/37086409

conda create -n tensorflow pip python=3.6

activate tensorflow
pip install --ignore-installed --upgrade tensorflow_gpu ==x.x.x

这里是版本号不对应，tensorflow与cuda和cudnn版本号一定要对应上
测是是否安装成功：

#tensorflow2.0以上版本
import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices('GPU'))
#tensorflow1.0b版本
print(tf.test.is_gpu_available())