win10+anaconda3+pycharm+pytorch+cuda 环境搭建

1.anaconda3的安装

首先进入anaconda官网https://repo.anaconda.com/archive/
注意：5.3以后的是python3.7的，3.7是一个比较稳定的版本。
如果官网下载不了可以去清华大学镜像下载。
清华大学镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

下载之后安装：

选择路径，可以设置默认路径（默认安装在C盘），我这里设置是放在D盘。

安装完成：

配置环境变量：此电脑——属性——高级系统设置——环境变量——path——编辑——新建

我们打开jupyter notebook测试一下是否安装成功：

输入简单的print（）函数，成功输出：

也可以使用cmd命令查看：

到此 anaconda3 安装成功。

2.pycharm的安装

进入官网链接：https://www.jetbrains.com/pycharm/


设置文件安装路径，默认C盘，这里安装D盘。

安装完成

3.cuda的安装

安装cuda前先安装visual studio 2019 ，否则cuda会出现很多问题。
安装完后继续cuda的安装
1：查看显卡型号：桌面右键→NVIDIA控制面板→系统信息
2：查看显卡对应cuda的版本

显卡Tesla T4对应的cuda版本为：CUDA 11.4，可以选择低一些的版本。
官方下载地址：https://developer.nvidia.com/cuda-toolkit-archive
这里选择安装CUDA 11.1版本

如图示下载

默认安装（修改路径会引起很多麻烦）：

安装完毕，我们进入cmd输入nvcc -V 看是否安装成功。

至此cuda安装完成。

4.cudnn的安装

官网链接：https://developer.nvidia.com/rdp/cudnn-archive（需要登录）
选择对应cuda（这里的cuda是11.1）版本的cudnn

选择对应的操作系统（这里是win10）

下载完毕解压后有如下文件夹：

打开之前安装cuda的文件夹：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

将cudnn对应文件夹里面的文件复制到cuda安装目录中：

复制完成后手动添加环境变量，进入系统变量-PATH-新建如图两个变量。

完成以上操作后进入powershell测试是否安装成功，如图示：

至此，cudnn安装完毕。

5.pytorch的安装

首先为pytorch创建一个环境。
打开anaconda Promt：

输入conda create --name pytorch python=3.7(这条指令中的pytorch可以替换成你自己设置的名称，例如pt：conda create --name pt python=3.7）
这里指定python=3.7,（稳定）



出现以上提示，表示pytorch环境已创建成功。
现在我们开始安装pytorch。
进入pytorch官网https://pytorch.org/get-started/locally/
找与cuda版本相对应的pytorch，（这里是CUDA11.1）

复制命令 conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch
（注意，图中的cudatoolkit=11.3，由于我们安装的cuda版本是11.1，所以自己修改为cudatoolkit=11.1）
首先进入pytorch环境：activate pytorch（还是在Anaconda Prompt输入），回车。

注意看，C前面的(base)变成(pytorch)说明已经进入pytorch环境中。
输入安装指令：conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch
回车


出现done说明安装成功，如下图。

我们测试一下是否可以使用pytorch。
进入python环境：输入python回车。
然后输入一下代码：
import torch
x = torch.rand(5,5)
print(x)

成功打印输出。

到此，可以愉快的跑深度学习代码了~