Win10下NVIDIA-GForce940MX-Python3.10.6的Pytorch包安装经验分享（pip安装法）

参考原文：Win10下NVIDIA-GForce940MX-Python3.9.7的Pytorch包安装经验分享（pip安装法）_window geforce 940-CSDN博客

01.查找显卡最高支持的CUDA版本

CUDA包需要与显卡适配，这里指的是你的显卡最高支持到哪个版本的CUDA包，具体操作：在电脑桌面鼠标右键——NVIDIA控制面板中进入——系统信息——查找自己显卡最高支持到哪个版本的CUDA，可以看到本人显卡最高支持到CUDA 11.0版本。

 

 

 02.查询显卡是否支持CUDA，了解CUDA运算评分

登录英伟达网址：

https://developer.nvidia.com/cuda-gpus

进入界面——选择：支持CUDA的Geforce——寻找是否有自己对应的型号（我的是940MX，但是这里显示940，不要慌直接点击进去就会发现它的详细型号，存在及证明支持）

 

03.确认了显卡支持CUDA包，开始CUDA下载安装分，分三步

第一步：登录Pytorch网址，查询当前Pytorch版本及对应的CUDA版本，网址如下：

PyTorch

可以查看到当前稳定版为Pytorch2.3.0，选择pip安装，Python语言环境，我们选择安装CUDA11.8版本

第二步：登录NIVIDA下载CUDA网址：选择第一步中提示的CUDA11.8版本下载。

第三步：下载好CUDA后，进行解压和安装操作

找到刚刚下载好的CUDA——右键管理员打开——选择解压目录——选择避开C盘以外的路径，等到解压完成后，自动进入安装界面。

默认进行安装，中间选择推荐的精简安装即可

由于我的电脑没有安装合适版本的Visual Studio，安装失败了，失败界面如下：

原因描述：电脑没有先安装Visual Studio 

解决方案：

后退，后退，后退，

取消安装CUDA Toolkit 11.6.0

然后先安装Visual Studio 2022社区版

再安装CUDA Toolkit 11.6.0

最后再安装对应的cuDNN

参考链接：

No supported version of Visual Studio was found.-CSDN博客

报错没有Visual Studio？windows10如何安装CUDA？附cuDNN安装。_安装cuda时提示没有visual tudio-CSDN博客

CUDA Toolkit安装教程（Windows）-CSDN博客 

CUDA与CUDNN在Windows下的安装与配置（超级详细版）_windows cudnn安装-CSDN博客

安装visual studio2019：visual studio用的不多的，可以只安装c++那一小栏

安装教程：VS2019安装和使用教程（超详细）_vs2019安装教程-CSDN博客

下载链接：Visual Studio 2022 IDE - 适用于软件开发人员的编程工具

CUDA  安装成功：

校验

若看到CUDA_PATH和CUDA_PATH_V11_1添加到环境变量，则说明安装成功。

 并且在环境变量->系统变量->Path里面也能看到新添加的CUDA路径。

最后：确认CUDA是否安装成功：Win+R——运行CMD——输入nvcc -V

当出现上述界面，证明安装CUDA成功了。

04.安装CUDNN，进入下载官网：

官网链接：https://developer.nvidia.com/cudnn

进入下载——选择对应自己安装的CUDA版本（我的是11.8所以选择11.X）

 

下载后进行解压，将解压后的bin、include、lib文件直接复制到CUDA的安装目录下（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3）——过程中会提示提高至管理员权限，选择确认即可——复制好即代表安装成功。

05.安装Pytorch

回到03中的第一步，打开官网，将要安装的Pytorch包对应的代码复制——输入值CMD控制窗中 

cuda与pytorch对应关系、pytorch与python对应关系、以及国内镜像网站安装 参考下面这个链接：Pycharm搭建CUDA，Pytorch教程（匹配版本，安装，搭建全保姆教程）_cuda12.3对应的pytorch版本-CSDN博客

检查CUDNN是否安装成功

打开C:\Program Files\NVIDIA Computing Toolkit\CUDA\v12.2\extras\demo_suite，查看是否有文件bandwidthTest.exe以及deviceQuery.exe，若存在则在该文件中打开cmd运行两.exe文件

运行bandwidthTest.exe结果：

运行deviceQuery.exe结果

若都能成功运行就恭喜你CUDNN安装成功了

06 在pycharm中使用下面这段代码调用gpu进行测试

import torch
 
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
 
print(torch.cuda.device_count())
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())

 注意：

如果安装失败想要卸载PyTorch，可以使用pip卸载Pytorch：

 参考文章：PyTorch卸载全攻略：从环境配置到清理残余一应俱全-百度开发者中心 (baidu.com)pytorch安装及卸载_conda uninstall pytorch-CSDN博客

pip uninstall torch