1.查看当前虚拟环境
2.删除环境
3.创建虚拟环境,安python=3.8
conda create -n 环境名 python=X.X
4.下载cuda cudnn torch torchvision (版本有对应关系)
(1)CUDA toolkit Download
CUDA Toolkit Archive | NVIDIA Developer
(2)安装cuda时,第一次会让设置临时解压目录,第二次会让设置安装目录;
临时解压路径,建议默认即可,也可以自定义。安装结束后,临时解压文件夹会自动删除;
安装目录,建议默认即可;
同意并继续
自定义安装,精简版本是下载好所有组件,并且会覆盖原有驱动,所以在这里推荐自定义下载
如果你是第一次安装,尽量全选
如果你是第n次安装,尽量只选择第一个,不然会出现错误
没有选择visual studio,后面说找不到,就返回取消了这个复选框
记住默认的安装路径
测试
2.cuDNN
cuDNN叫配置更为准确,我们先把下载的 cuDNN 解压缩,会得到下面的文件:
下载后发现其实cudnn不是一个exe文件,而是一个压缩包,解压后,有三个文件夹,把三个文件夹拷贝到cuda的安装目录下。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
拷贝时看到,CUDA 的安装目录中,有和 cuDNN 解压缩后的同名文件夹,这里注意,不需要担心,直接复制即可。
往系统环境变量中的 path 添加如下路径(根据自己的路径进行修改)
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp
验证安装是否成功
配置完成后,我们可以验证是否配置成功,主要使用CUDA内置的deviceQuery.exe 和 bandwidthTest.exe:
首先win+R启动cmd,cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe(进到目录后需要直接输“bandwidthTest.exe”和“deviceQuery.exe”),应该得到下图:
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite
3.torch和torchvision https://download.pytorch.org/whl/torch_stable.html 轮子安装
torch
参数:torch-1.9.1 版本号 cp39 python3.9
torchvision
cu102 cuda10.2; torchvision-0.10.0 版本号;cp39 python=3.9;
4.打开虚拟环境,pip安装两个轮子,直接拖入安装