1.下载安装CUDA与CuDNN
参考资料:https://www.cnblogs.com/luckyplj/p/13179220.html
1.1 查看NVIDA控制面板,查看GPU驱动程序版本
zai 菜单中找到帮助选项,点击系统信息,查看系统信息当中的驱动程序版本,此处显示版本为441.83
1.2 下载并安装CUDA
1.2.1 查看适合自己GPU驱动版本的CUDA版本
查询网址:https://docs.nvidia.com/cuda/pdf/CUDA_Toolkit_Release_Notes.pdf
打开该PDF的第13页附近可以看到如下内容:
由于我的驱动版本是441.83,所以这里我选择CUDA 10.2.89版本。
1.2.2 打开官网,下载CUDA
网址:https://developer.nvidia.com/cuda-10.1-download-archive-update2?target_os=Windows&target_arch=x86_64&target_version=10
点击历史发布版本,如下图所示:
1.2.3 CUDA安装界面
点击同意并继续
这里精简的意思是精简安装过程,不是精简安装内容(选择第一个会安装所有组件都安装)。点击下一步
这里选择默认勾选的驱动程序组件, 点击下一步
安装完成之后,按下ctrl + r
输入 “cmd” 打开 命令提示符应用, 输入 nvcc -V,出现如下图所示的结果说明安装成功
安装完成之后, 环境变量会自动配置
1.3 安装 cuDNN
1.3.1 打开官网,下载cuDNN
网址: https://developer.nvidia.com/rdp/cudnn-download
打开网址后,登录NVDIA账号,进入cuDNN下载界面,选择和自己CUDA版本对应的cuDNN版本,这里我的CUDA是10.2的,所以下载中间cuDNN v8.03
解压下载的压缩包,有三个文件夹bin
、include
、lib
,将这三个文件夹中内容复制到对应NVIDIA GPU Computing Toolkit\CUDA\v10.2的三个文件夹bin
、include
、lib
。
1.3.2 配置环境变量
具体步骤:
📕右键点击此电脑图标
📕高级系统设置
📕环境变量
📕找到系统变量中的path
📕点击编辑,新建
📕复制路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64到最后一行即可
2.下载安装Pytorch-GPU
在Pytorch官网中找到conda的安装命令(如果已经安装anaconda)
网址: https://pytorch.org/get-started/locally/
2.1 设置清华源Pytorch镜像地址
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda config --set show_channel_urls yes
2.2 下载Pytorch
设置过清华源后,只需要在命令行输入 conda install pytorch torchvision cudatoolkit=10.2
即可
2.3 测试
打开jupyter notebook,导入 torch
后
调用torch.cuda.is_available()
确认是否返回true