win10+英伟达mx150安装cuda,cudnn,GPU版本pytorch

最近打算给笔记本装一个gpu版本的pytorch,装了有半天才搞完，中间也出现了不少问题看了不少博客，现在总结一下出现的问题以及解决办法，希望能给遇到同样问题的提供一些帮助。本人水平有限，有问题还请指正。

1.安装cuda

如果想使用gpu版本的pytorch,首先需要安装一个自己显卡支持的cuda版本
我的电脑显卡是mx150,cpu是i5-8250u,操作系统是win10系统

此处选择的是cuda9.2版本

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html可以查看安装cuda所需要的显卡驱动版本，查看电脑的显卡驱动版本，右键选择NVIDIA 控制面板->帮助->系统信息


显卡驱动版本只要大于cuda对应的最低版本就行，如果显卡驱动版本过低，可以升级显卡驱动版本
接下来下载所选择版本的cuda
下载网址https://developer.nvidia.com/cuda-toolkit-archive

下载完成之后安装即可。


本人在安装的过程中一直出现visual studio integration失败的提示，关于这个问题也查了许多资料，最简单的办法就是选择自定义安装，在cuda组件下取消勾选visual studio integration，这样就不会再安装此模块。
另外安装时还出现了弹窗提示脚本错误，直接无视即可。


安装成功之后可以测试一下，在命令行中输入nvcc -V
能输出版本信息代表安装成功

第二步安装cudnn

cuDNN Archive | NVIDIA Developer

需要先注册才能下载，选择对应cuda的版本，这里选择cuda9.2的对应版本

解压之后的文件结构如下，接下来把里面的全部文件复制到cuda的安装文件夹下

cuda安装的默认文件夹是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2
复制完成之后如下所示

接下来测试cudnn安装是否成功
在extras/demo_suite/目录下右键在windows终端中打开，然后./bandwidthTest.exe运行
如果Result=PASS则代表cudnn安装成功

第三步安装anaconda

由于我的电脑已经安装过anaconda就不再重复此操作
下载地址为https://www.anaconda.com/
安装时注意勾选将anaconda加入到环境变量中

打开Anaconda Promt
通过conda创建一个名为pytorch的虚拟环境

conda create -n pytorch python=3.7

可以使用如下命令查看已经创建好的虚拟环境

conda info --envs

然后激活pytorch虚拟环境

conda activate pytorch

运行之后命令行前面的(base)会变成(pytorch)表示已经切换到pytorch环境中

第四步安装pytorch

在清华源镜像中下载pytorch,torchvision,cuda92
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

一定要选择正确的版本，带有cpu的版本不要选择，这里选择的pytorch是1.4.0版本，torchvision是0.5.0版本。
将上述压缩包复制到Anaconda安装文件夹下对应的pkgs文件夹下

在第三步中的pytorch环境中安装下载好的压缩包

conda install D:\Anaconda1\pkgs\cuda92-1.0-0.tar.bz2
conda install D:\Anaconda1\pkgs\pytorch-1.4.0-py3.7_cuda92_cudnn7_0.tar.bz2
conda install D:\Anaconda1\pkgs\torchvision-0.5.0-py37_cu92.tar.bz2

安装完成之后如图所示

至此该环境已经搭建完成，之后可以将该环境加入到pycharm中
在file->Settings->Python Interpreter中点击右侧的齿轮，选择add->Existing environment,选择刚才创建好的pytorch环境


至此所有的工作都已完成，接下来就可以在pycharm中进行pytorch的学习和训练

import torch
import numpy as np
test=np.array([[1,2,3,4],[5,6,7,8]])
x=torch.tensor(test)
print(x)

感谢阅读！