(1)安装英伟达显卡驱动
https://www.nvidia.cn/drivers/lookup/
(2)找到对应的CUDA版本
nvidia-smi
(3)cuda和cuDnn下载
CUDA网址:https://developer.nvidia.com/cuda-11-7-0-download-archive
查看环境变量中有没有安装好的的CUDA路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp
CUDNN网址:https://developer.nvidia.com/rdp/cudnn-archive
之后将cudnn的文件下的bin、include、lib包分别复制对应的cuda文件夹下的bin、include、lib包中。
CUDA路径:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7
打开CMD用:
ncvv -V
以及:
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7
cd .\extras\demo_suite
.\bandwidthTest.exe
检验CUDA是否安装成功
(4)打开虚拟环境安装PYTORCH
PYTORCH网址:https://pytorch.org/get-started/previous-versions/
通过上述网址找到各个安装包的版本通过以下指令下载(最好用TZ(全局、规则均可)):
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
测试是否可用
import torch
print(torch.cuda.is_available()) # 查看GPU是否可用,输出True则代表可用,false不可用
print(torch.version.cuda)
如果缺少包则下载相应的.py文件,找到虚拟环境的Lib目录,复制进去即可
虚拟环境路径:D:\anaconda3\envs\VITKAN\Lib
如果频繁下载失败则使用以下指令
pip install --default-timeout=100 torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117