在win11使用4070s显卡作为GPU 配置pytorch

一、安装显卡驱动

• 显卡参数：GeForce RTX 4070 SUPER 12G D6X

1.下载显卡驱动

• 下载驱动：https://www.nvidia.cn/Download/index.aspx?lang=cn
  
  安装的时候，一直下一步即可

2.验证是否安装成功

• 打开CMD终端（快捷键：Win+R），命令行输入：nvidia-smi查看GPU状态
  
• 安装的时候，默认会安装当前显卡最新的CUDA版本。

二、安装Visual Studio 2017、2019、2020

1.不安装的现象

2.安装

• 2017、2019和2022的VS版本安装链接：百度网盘下载链接
• 安装社区版即可
• 注意：勾选 Python开发 和 C++桌面开发
  

三、安装CUDA版本

1.查看pytorch对应的cuda版本

• 打开https://pytorch.org/
• 这次我安装的是最新的
  

2.下载对应cuda版本

• 下载地址：https://developer.nvidia.com/cuda-toolkit-archive
  • 查看安装不同版本CUDA所对应的显卡驱动版本（比如这里我选择的就是11.8版本，建议显卡驱动版本高的安装高版本CUDA，显卡驱动版本只要大于CUDA对应的最低版本就行，显卡驱动版本版本过低可以升级）
  • 确保自己的CUDA Driver 版本 >= CUDA Runtime 版本
    
    
• 点击下载
  
• 这里随便创建一个文件夹，只是解压文件
  
  
• 这里默认都打勾了， 直接下一步即可
  
• 默认位置，点击下一步
  
• 安装成功

3.测试是否安装成功

• 在cmd里面输入：nvcc -V
  

四、安装cuDNN

• cuDNN（CUDA Deep Neural Network library）是由NVIDIA提供的针对深度神经网络的加速库。它通过利用NVIDIA的GPU进行加速，提供了高效的深度学习推断和训练的实现。cuDNN包含了一系列针对卷积神经网络（CNN）的优化算法和函数，可以大幅提高深度学习模型的训练和推理速度。
• 具体来说，cuDNN提供了针对卷积、池化、归一化等常见操作的高度优化的实现，这些操作是构成深度神经网络的基本组成部分。通过使用cuDNN，开发人员可以充分利用NVIDIA GPU的并行计算能力，加速深度学习模型的训练和推理过程，从而提高整体的计算性能和效率。
• cuDNN 其实是 CUDA 的一个补丁，专为深度学习运算进行优化的。

1.下载cuDNN

• cuDNN需要先注册才能下载：cuDNN下载
  • 我们CUDA Driver是12.4，CUDA Runtime的是11.8.0，这里选择cuDNN的版本需要根据CUDA Runtime版本来选择
    

2.解压

• cuDNN里面有这些文件
  
• 将这三个文件，解压到这个文件夹：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
  • 这个文件夹是CUDA Runtime的文件夹

3.测试

• 在cmd进入文件夹：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite
  • 运行：bandwidthTest.exe
  • 如果Result = PASS则代表cuDNN安装成功。
    

五、安装Miniconda

• 教程地址：https://blog.csdn.net/qq_37344058/article/details/136003106

六、安装Pytorch

• 先在conda创建一个虚拟环境
  

conda create -n machine_learning python=3.9

• 注意：cmd需要以管理员身份运行，创建的虚拟环境才会在安装目录下面
• 输入官网的命令进行安装
  

七、测试Pytorch与显卡

import torch
import numpy as np
test=np.array([[1,2,3,4],[5,6,7,8]])
x=torch.tensor(test)
print(x)
 
print(torch.cuda.is_available())  #输出为True，则安装无误