Windows 下安装 CUDA 和 Pytorch 跑深度学习

以B站跟李沐学AI课程更新自己的学习笔记

注：

1. 本文演示在base环境下运行，但最好自己conda activate一个虚拟环境，以区分各个项目的运行环境
2. 所有操作最好在magic环境下进行，或者找国内镜像源

1、检查

win+r输入dxdiag查看自己是否为英伟达的显卡，集成显卡或者AMD基本不行

2、下载环境

2.1、CUDA

去英伟达官网下载CUDA，https://developer.nvidia.com/cuda-downloads

默认安装下载好的安装包进入命令行输入nvidia-smi查看安装是否成功

2.2、miniconda

查看自己windows的python版本，然后进入miniconda官网下载对应的版本Miniconda — Anaconda documentation

下载完成后默认路径安装并查看是否为对应的python版本

2.3、pytorch

前往pytorch.org官网下载pytorch，点击Get started选择好版本，此处选择的CUDA版本应小于或等于2.1步安装的CUDA版本

进入miniconda prompt运行下面的指令

安装完成后进行一次简单计算检查是否成功

3、尝试一个真正的深度学习的应用

下载对应的笔记解压出来

安装包pip install jupyter d2l

3.1、遇到的问题

此处在运行时报错，查看报错段，是在安装numpy的指定版本1.23.5的时候报错，错误信息显示在尝试安装 numpy 时，pip 在获取构建 numpy 轮（wheel）的需求时遇到了问题。具体来说，错误是在尝试导入 setuptools 时发生的，其中 pkgutil 模块没有 ImpImporter 属性。这通常表明 Python 环境中可能存在一些不兼容或损坏的包。

检查到numpy的1.23.5版本最高支持到python3.10，而我的版本为3.12.3，过高导致报错。

之后在评论区找到的指定版本的pip install d2l==0.17.0，版本问题只有通过尽量与作者的python版本相同来解决，尽量别去下载最新的python版本，再次分开运行pip install jupyter即可。

3.2、开始运行

终端输入juptyer book则会弹出本地的浏览器窗口，就是windows的Home文件夹，我们把d2l-zh放入downloads中方便运行

找到示例项目运行所有

查看在cuda0上运行，即GPU上

在终端可以看到GPU使用率

最终的训练结果及速度