创建环境、安装cuda

 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