一、获取设备上显卡型号
打开“设备管理器”查看显卡型号,我的显卡是RTX4060;
二、更新显卡驱动
打开NVIDIA官网,链接,找到对应的显卡驱动,默认下载最新的版本;
通过“win+r”打开cmd,输入nvidia-smi;
nvidia-smi
显示显卡信息;
其中的CUDA Version:12.3指的是我的设备最高支持12.3的cuda版本;
三、选择需要安装的pytorch版本
打开pytorch官网选择需要安装的pytorch版本及其对应的cuda版本;
我选择安装pytorch-gpu-1.12.0版本,选择其中的CUDA11.6的版本(当然你可以选cuda10.2或cuda11.3);
四、下载、安装CUDA
4.1打开NVDIA CUDA的官网,下载需要的CUDA版本,我下载的是11.6;
4.2下载完成后右击,以“管理员身份运行”,按照默认选项一直点“next”就可以了;
安装成功后在C盘中会有CUDA的文件夹;
4.3将CUDA(下图中前四个路径)添加到系统的“环境变量”中;
在cmd中输入nvcc-V也会显示信息;
nvcc -V
五、下载、安装cudnn
5.1在NVDIA cudnn官网下载对应版本的cudnn,最好选择对应CUDA版本的最新cudnn;
5.2解压后将其中的bin、include、lib\x64下的所有文件复制到CUDA路径下对应文件夹中;
六、下载安装anaconda,创建虚拟环境
6.1在anaconda官网下载anaconda,右击安装包“以管理员身份运行”,选择安装路径,能打勾的地方都打上;
6.2将anaconda添加到“环境变量”中;
6.3测试anaconda是否可用;
conda -V
七、安装pytorch
通过cmd创建虚拟环境;
conda create -n pytorch_112 python==3.8
激活虚拟环境
conda activate torch_112
安装pytorch
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.6 -c pytorch -c conda-forge
测试pytorch是否安装成功
输入python,导入torch;
import torch
torch.cuda.is_available()
pytorch-gpu环境配置成功!