配置Cuda及Cudnn，在Anaconda创建虚拟环境，安装GPU版Pytorch，并在Jupyter noterbook及Pycharm中调用【极其详细】

目录

 一、配置Cuda及Cudnn

（一）下载Cuda

1、查看电脑自带的Cuda版本

2、下载相应版本Cuda安装包

3、安装Cuda

4、配置变量

（二）下载Cudnn

二、创建虚拟环境

三、虚拟环境中安装GPU版Pytorch

（一）有关环境的基本指令

（二）安装GPU版Pytorch

四、将虚拟环境在Jupyter noterbook及Pycharm调用

（一）在Jupyter noterbook中调用

（二）在Pycharm中调用

五、结语

---

 一、配置Cuda及Cudnn

（一）下载Cuda

1、查看电脑自带的Cuda版本

方法一：

win+r打开运行窗口，输入cmd后点击确定

进入命令窗口后，输入nvidia-smi，即可以查看本机的Cuda版本。

方法二：

在菜单栏点击这个图标

进入控制面板页面，点击左下角系统信息

在组件中即可看到Cuda版本

2、下载相应版本Cuda安装包

注意：下载Cuda版本是可以像下兼容，例如我的电脑版本是10.2，那么我可以下载10.1版本的Cuda，但不能下载11.0版本的Cuda。（第一次进入官网下载需注册一个账号，也不麻烦）

官网连接：CUDA Toolkit Archive | NVIDIA Developer

进入官网后选择自己对应版本的Cuda，我下载的是10.2的

点击后进入如下页面，进行如下选择

（特别说明，如果你是win11系统，你会发现版本中没有11，那你直接点10就可以，亲测可行）

点击download，并等待下载安装包

3、安装Cuda

按右键以管理员身份运行安装包，弹出如下页面，可以选择安装位置

注意：这个是虚拟安装位置，完成安装后会自动删除，所以默认就好

等待加载，接下来出现安装界面，点击”下一步“--“同意并继续 ”

选择自动安装，点击下一步

全选以下内容，并点击下一步

十分建议更改默认安装位置，不要装在C盘！！！我放在了D:\CUDA\v10.2

接下来等待安装完成即可。

4、配置变量

在页面搜索栏直接搜索环境变量，点击进入如下页面

查看环境变量，如果没有需要自己添加

（1）首先点击新建添加这四个变量

变量名称为：

CUDA_PATH

CUDA_PATH_V10_2

NVCUDASAMPLES_ROOT

NVCUDASAMPLES10_2_ROOT

变量值为：安装地址

（2）在系统变量中找到变量Path，点进去，添加以下两个变量

至此变量配置完毕！！！

【检验Cuda是否安装成功】

运行cmd，输入nvcc -V，出现版本号即为安装成功

（二）下载Cudnn

安装Cudnn的方式就简单了很多，点击如下网页，挑选与Cuda版本相匹配的Cudnn

cuDNN Archive | NVIDIA Developer

下载完成后，会得到一个安装包，解压后将里面的三个文件夹bin、include、lib复制，粘贴至Cuda的安装路径替换如下三个文件夹

至此Cudnn安装完毕！

【检验Cudnn是否安装成功】

打开cmd，用以下方法转到安装路径中的D:\CUDA\v10.2\extras\demo_suite（如果未安装在C盘需要先转到对应盘，在用cd指令）

依次输入bandwidthTest.exe和deviceQuery.exe并执行，如果显示，如下页面即成功

二、创建虚拟环境

打开Anaconda Prompt，输入如下指令

conda create -n env_name python=X.X

其中env_name即为创建虚拟环境名称，可以指定 python 版本。

此处我创建了一个名为gpu_torch的虚拟环境，指定python版本为3.9。

填”y“

至此创建成功

利用conda activate pytorch命令进入虚拟环境，执行后，括号的内容发生变化，变化为虚拟环境名称gpu_torch,说明进入成功。

三、虚拟环境中安装GPU版Pytorch

（一）有关环境的基本指令

查看所有环境的命令是：

conda env list   #查看所有环境

激活虚拟环境的命令是：

conda activate env_name  #env_name即为环境名称

在我们激活虚拟环境之后，在命令提示符窗口便进入了虚拟环境之中。

退出当前虚拟环境的命令是：

conda deactivate

删除虚拟环境的命令是：

conda remove -n  env_name --all

（二）安装GPU版Pytorch

将虚拟环境激活后，进入pytorch官网：PyTorch，然后找到对应版本

如果这里没有你想要的Cuda版本，请点击Previous versions of PyTorch

进入后在此页面查找即可

在命令行输入指令运行

填“y”

 开始下载

下载完成后，检验一下是否成功

import torch
print（torch.__version__)
print(torch.cuda.is_available())  #查看Cuda是否可用
print(torch.cuda.device_count())  #查看可用的CUDA数量

成功！！！

四、将虚拟环境在Jupyter noterbook及Pycharm调用

（一）在Jupyter noterbook中调用

方法一：

1、激活虚拟环境

conda activate env_name   #env_name为虚拟环境名称

2、安装ipykernel

conda install -c anaconda ipykernel

3. 在ipykernel中添加虚拟环境名称，name=后面是激活的虚拟环境名称。

python -m ipykernel install --user --name=env_name

4、重新启动jupyter notebook，就可以发现内核中出现了虚拟环境的内核。

方法二：

 1、激活虚拟环境

conda activate env_name   #env_name为虚拟环境名称

2、安装 ipykernel（也可以用如下命令）

conda install ipykernel

3、退出当前虚拟环境

conda deactivate

4、进入base环境

conda activate base 

5、将所有环境添加至jupyter notebook

conda install nb_conda_kernels

6、重新启动jupyter notebook，就可以发现内核中出现了虚拟环境的内核。

附加：

1、查看jupyter notebook已安装的内核，打开cmd，输入如下指令

jupyter kernelspec list

2、删除jupyter notebook的某个内核

jupyter kernelspec remove kernelname #kernelname为想要删除的内核名称

（二）在Pycharm中调用

添加虚拟环境路径下的python作为解释器即可。（D:\download\Anaconda\envs\pytorch_gpu\python.exe）

五、结语

祝大家学业顺利！！！