关于pytorch和tensorflow的GPU版本安装过程中的问题（MX450）

最近在学习深度学习，想在一台MX450显卡的小米笔记本电脑装pytorch和tensorflow，以下内容为方便自己以后查看，若有问题，请在评论指出，谢谢！

环境：

WIN10 + MX450 + Anaconda + Pycharm

---

最新补充：

pytorch官网已经不再对cuda10.x版本进行支持，最低也是cuda11.3了，有些显卡查看了发现只支持11.1的（如RTX1050），可以通过在英伟达官网下载最新的驱动，更新驱动之后会发现，支持到11.6了。

另外，用conda装torch真的太慢且容易出问题了，最好是用pip去装，比如pytorch官网说的。

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

---

 过程：

首先，你这已经把最新的anaconda(内置python),pycharm装了。
1、conda换源，百度搜教程；

举例，添加清华源方法如下链接：
anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

查看源：
conda config --show-sources
移除源：
conda config --remove-key channels

顺带一说，好像国内源不能用Anaconda装pytorch，所以先把下面的试着装一下，不行再说。

2、创建虚拟环境，学一下相关的命令，然后在pycharm里面也可以创建新环境的；

查看所有环境：
conda info --envs
新建虚拟环境：（以下的myenv可以是自己起的名字，参数可以改）
conda create -n myenv python=3.8
删除虚拟环境：
conda remove -n myenv --all
激活虚拟环境：
conda activate myenv
退出虚拟环境：
conda deactivate

3、激活虚拟环境，在对应的虚拟环境装对应的框架；
查看显卡的CUDA版本，或者命令行运行：nvidia-smi，可查看CUDA版本。
MX450显卡教程：https://blog.csdn.net/weixin_44412076/article/details/109571918
要装cuda和cudnn，但是要翻墙，比较麻烦。
命令行运行nvcc -V，有显示，则成功。

虚拟环境下安装tensorflow：pip install tensorflow
好像是带有gpu版本。

注意：pytorch安装的时候自动安装cuda和cudnn，直接一条指令直接装就行了。
          tensorflow需要自己去英伟达官网下载安装cuda和cudnn。（需要翻墙）

pytorch官网：https://pytorch.org/get-started/locally/
虚拟环境下安装pytorch，下面看情况选择：
（只支持英伟达NVIDIA中带CUDA的显卡，AMD和intel的显卡不支持！）
在虚拟环境里运行（支持CUDA11.3版本的显卡，这个要装很久）：
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
在虚拟环境里运行（无显卡，CPU版本，这个要装很久）：
conda install pytorch torchvision torchaudio cpuonly -c pytorch
也有可能没装成功，需要重新装。

顺带提一个安装pytorch1.2版本：

conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0

注：有几个比较大的包，特别是pytorch经常装不完，再运行几次，直到全部装好。

安装完后，虚拟环境下运行：python，进入编译模式，一次性输入：

import torch
import torchvision
print(torch.cuda.is_available())

回车运行，返回True则成功。

同理，tensorflow gpu测试：

import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices('GPU'))

4、pycharm配置编译器。
创建新工程项目或者打开某一工程项目，文件-设置-项目-python解释器，设置图标里面选择添加，添加python解释器中，选择conda环境，现有环境，解释器选择里面之前创建的解释器，确定即可。另外，也可在此处选择新环境，选择python版本，即可创建该工程下的新的虚拟环境。

附：

我电脑的MX450，CUDA版本11.4.1，以下为这个版本的CUDA和cudnn迅雷下载链接：

CUDA11.4.1

CUDNN for CUDA11.4

有的MX450的CUDA版本是11.4.4，也顺便带上：

CUDA11.4.4

其他版本顺带带上链接，方便下载：

CUDA11.6.1

CUDANN for CUDA11.X

-------------------------------------------------------手动分割线---------------------------------------------------------

还有一个重要的点，在安装CUDA和CUDnn的时候，我这里就没有给我把环境变量给加进去，所以需要手动添加，不然测试tensorflow的GPU版本的时候还是会出问题，提示你缺很多文件。

 注：我把CUDnn的文件（它是一个.zip压缩包）分别放在CUDA安装路径对应位置，所以需要添加cudnn的所有文件路径到环境变量中。

其中，最重要的是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib\x64这个路径。