pytorch GPU版本安装

使用驱动精灵安装

参考：pytorch GPU版本安装_尘世猫的博客-CSDN博客_pytorchgpu版本

 安装cuda

高版本的cuda是可以兼容低版本的cuda的，比如我的电脑支持cuda11.0，我就可以安装cuda10.0/cuda10.1/cuda10.2等，但是如果我的电脑只支持cuda10.0那就不可以反过来安装cuda10.1。
打开NVIDIA控制面板，点击 帮助——系统信息——组件，查看自己电脑支持的cuda版本，我的笔记本显卡为以看到CUDA为11.0，那么我们可以安装cuda为10.1或10.2版本的pytorch，cudnn的版本只需要与需要用到的cuda版本对应即可后续说明。

百度搜索CUDA download，进入官方下载页面，选择适合的操作系统和install type:(local的exe)，具体网址为下载地址。

 官网下载对应的CUDA版本。我下载的版本是CUDA10.1

我都提前下载好了：

链接：https://pan.baidu.com/s/1YlV0Z5Coc_XjQun8z5wO0A 
提取码：h4gb

 2 。安装CUDA：双击执行下载的exe文件，会先解压文件到临时目录（不是安装目录），保持默认即可

3 。 这里需要选择自定义安装

4 。 这里要把图示圈起来的对勾去掉

5 。 这三个地址十分重要，后续我们将进行环境变量的配置，不要改变路径。

 

6 。之后等待安装完成即可。

 

7 。配置CUDA环境变量
首先右键我的电脑-属性-高级系统设置-环境变量

在Path中手动添加如下路径：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\CUPTI\lib64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin

8 。我们可以验证一下cuda是否成功，按win+R 输入cmd
输入命令nvcc -V

 

 安装成功10.1版本

下载之后，解压缩，将CUDNN文件夹中的各自的bin、clude、lib文件夹中的内容，直接复制添加到CUDA的刚刚安装目录的对应相同名字的文件夹下。

复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

安装了cuda 11.1

五、pytorch安装

1 。打开链接: pytorch官网 .找到匹配的版本，我选择的是win10下的CUDA为11.1的版本，很多教程使用conda下载， 我强烈建议使用pip下载，在经历五个小时找bug后使用pip下载，各种错误直接消失很快装好

可以看到给出了命令，但是在国内不翻墙的情况下，下载速度极慢并且容易卡顿，我修改了一下命令，可以使用国内的清华源进行下载，速度较快。
如果你选择的是CUDA10.2版本的那么使用下面命令下载

 

conda create -n pytorch_gpu python=3.7

 activate pytorch_gpu

pip3 install torch==1.8.2 torchvision==0.9.2 torchaudio===0.8.2 --extra-index-url https://download.pytorch.org/whl/lts/1.8/cu111

加速使用下面命令：

-i https://pypi.tuna.tsinghua.edu.cn/simple

六、测试pytorch CUDA是否可用

1 。首先进入我们刚才建立的虚拟环境，由于我的虚拟环境命名为pytorch_gpu或其他，根据命名输入命令，之后输入python，进入python。

2 输入以下命令进行测试

import torch
print(torch.__version__)
print(torch.cuda.is_available())#cuda是否可用
torch.cuda.device_count()#返回GPU的数量
torch.cuda.get_device_name(0)#返回gpu名字，设备索引默认从0开始

结果如下证明安装成功