window配置GPU_pytorch_cuda_cudnn_tensorflow

查看能否使用GPU

使用GPU之前，需要确保GPU是可以使用，可通过torch.cuda.is_available()的返回值来进行判断。返回True则具有能够使用的GPU
在pycharm的terminal中输入

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

okk，我输出的是False
参考链接：添加链接描述
而且我忘记我装没装cuda，cudnn啥的了，版本更是记不住，我只知道我现在python版本是3.8，pytorch版本是2.1.1

---

查看自己的GPU参数

以我自己的实验室电脑为例
win+R，输入：

nvidia-smi

可以看到我的驱动器版本是512.36，CUDA Version并不是必须安装此版本的CUDA。

安装GPU版本对应的cuda

版本对应链接：click here

要选择对应的cuda，版本高了低了都不行
安装cuda链接：cilck here

卸载之前安装的cuda

控制面板->所用控制面板项->程序与功能

安装cuda版本对应的cudnn

链接：click here

添加CUDA的环境变量（如果已经存在，则不需要重复添加）

配置cudnn

配置cudnn环境变量

查看cuda版本

win+R打开命令行cmd
输入：

nvcc -V

结果：

实验室电脑的cuda版本是：10.1.243

查看cudnn版本

打开cudnn文件夹 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include
查找里面的这个文件：cudnn_version.h（内个博主给的是cudnn.h，我电脑里面不是这个文件）
然后我用的vs打开：

说明我的cudnn是8.0.5

查看cuda和cudnn是否安装成功

win+R到达cmd然后转到文件：

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite

在命令行打开分别打开bandwidthTest.exe和deviceQuery.exe
之后结果：


两个Result = PASS则成功!
参考：添加链接描述

删除虚拟环境cpu版本的torch

如果是在虚拟环境里，那么找到该虚拟环境的lib->site-packages（envs表示根目录，里面有你所有的虚拟环境）

官网上安装pytorch

ok，目前已知我的cuda版本是10.1.243
打开官网：previous_versions
找到对应版本pytorch

pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

我是直接复制下载就成功了

再检验一下：

参考链接：添加链接描述

查看cudnn、cuda对应版本的tensorflow-gpu

链接：click here

tensorflow-gpu可到anaconda中的虚拟环境中安装，根据自己cuda选择版本数