参考链接：深度学习环境配置2——windows下的torch=1.2.0环境配置_Bubbliiiing的学习小课堂-CSDN博客_神经网络学习小记录
Win10安装CUDA11.4和Torch1.9.0_alan1ly的博客-CSDN博客
（本文为了加深配置环境的印象及存档。）
anaconda3 + cuda 11.1 + cudnn 8005 + pytorch 1.9
我在安装的时候，由于没有考虑到pytorch的版本并没有更新到适配最新版的CUDA和cuDNN，所以我先下载了11.4的CUDA和适配于它的8.2.4的cuDNN。虽然后续不影响使用，但是小伙伴可以一开始就下载上述对应的版本。
1.安装 anaconda3
Anaconda是为了使我们更方便地使用python，其中集成了许多使用python时会用到的包，不需要我们再单独一个个下载。另外anaconda支持我们创建多个环境，不同环境安装不同的框架，比如pytorch,tensorflow,keras等，只需要使用 conda create -n 创建环境。
在anaconda官网上下载最新版。地址：Anaconda | Individual Edition
下载好的文件：
安装anaconda时按指示来操作即可，需要注意的几点：
a. 安装位置可以自定义；
b. 将anaconda添加到环境变量中，记得勾选 Add Anaconda to my PATH environment variable。
2. cuDNN和CUDA的下载和安装
CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。
CUDA和cuDNN的对应版本:
cuda的下载地址：老版本：CUDA Toolkit Archive | NVIDIA Developer
新版本：CUDA Toolkit 11.4 Update 2 Downloads | NVIDIA Developer
得到的文件：
cudnn的下载地址：cuDNN Download | NVIDIA Developer （需要注册登录才能下载）
得到的文件：
CUDA安装：
选择自定义安装 ---> 全选组件 ---> 安装在C盘的默认位置 ---> 安装完成
cudnn的安装：
解压cudnn的压缩包，将其中的文件复制到cuda的根目录中去。
cuda的根目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4
cudnn 压缩包中的文件：
在命令行窗口输入 nvcc -V 查看cuda是否安装成功。
安装验证结果：
命令行窗口输入：
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\demo_suite
然后运行 deviceQuery.exe 和 bandwidthTest.exe 来查看GPU的状态，实测的结果如下：
可以看到，运行的结果为PASS。
运行bandwidthTest.exe，结果如下：
可以看到，运行结果也为PASS。
3. 配置pytorch环境
a. pytorch环境的创建和激活
WIN + R 输入 cmd 启动 命令提示符，输入以下命令。
创建名为pytorch环境：
conda create -n pytorch python=3.8激活pytorch环境：
conda activate pytorch关闭pytorch环境：
conda deactivateb. 安装pytorch
安装pytorch需要在上面创建的pytorch环境激活的情况下进行。
此时：
b1. 官方安装方法
使用conda安装代码：
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge验证安装成功：
安装pytorch后，cuda和cudnn都降级了。但是在python环境外，运行 nvcc - C，显示CUDA的版本时11.4，
所以我产生了一个疑问，在安装CUDA和cuDNN之前直接安装pytorch会不会是可行的。那估计是不行的吧，毕竟pytorch官网上写了先决条件：
有时间的同学可以试试。
[NOTE] 开始的时候，我自作主张将cudatoolkit的版本改为了11.4：
conda install pytorch torchvision torchaudio cudatoolkit=11.4 -c pytorch -c conda-forge验证的确安装成功：
但是查看当前torch版本，发现是1.6.0：
import torch
print(torch.__version__)
所以我决定使用以下语句升级torch版本，
conda install pytorch torchvision torchaudio -c pytorch但升级后安装的CUDA和cuDNN不支持新版的torch，导致GPU不能用。所以我们懂得一个道理，torch安装成功后不要随便更新和升级。
所以，卸载 torch（两种方法，取决于你安装pytorch的方法）：
使用conda
conda uninstall pytorch
conda uninstall libtorch使用pip
pip uninstall torchb2. 下载.whl文件
安装pytorch时，若网络不稳定，使用conda语句安装可能会失败，需要重试几次才能成功。
所以也可以自己先将轮子文件下载下来，再进行安装。
pytorch轮子下载地址：
https://download.pytorch.org/whl/torch_stable.html
4. vscode 配置
（不是很确定）先将vscode下载到windows上。anaconda pytorch环境下就出现了 VS code？
到这里就结束了，我们可以愉快地使用pytorch进行深度学习的学习啦！
1094
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
