基于Windows的Torch+torchvision+CUDA+cuDNN安装

前言

本文基于Windows10安装。

1. 查看本机CUDA版本以及驱动版本号

  注意:
    1、安装的CUDA版本需要低于本机CUDA；
    2、安装的CUDA版本需要驱动版本要求；

  CUDA和驱动版本号的对应关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

CUDA Toolkit	Linux x86_64 Driver Version	Windows x86_64 Driver Version
CUDA 11.2.1 Update 1	>=460.32.03	>=461.09
CUDA 11.2.0 GA	>=460.27.03	>=460.82
CUDA 11.1.1 Update 1	>=455.32	>=456.81
CUDA 11.1 GA	>=455.23	>=456.38
CUDA 11.0.3 Update 1	>= 450.51.06	>= 451.82
CUDA 11.0.2 GA	>= 450.51.05	>= 451.48
CUDA 11.0.1 RC	>= 450.36.06	>= 451.22
CUDA 10.2.89	>= 440.33	>= 441.22
CUDA 10.1 (10.1.105 general release, and updates)	>= 418.39	>= 418.96
CUDA 10.0.130	>= 410.48	>= 411.31
CUDA 9.2 (9.2.148 Update 1)	>= 396.37	>= 398.26
CUDA 9.2 (9.2.88)	>= 396.26	>= 397.44
CUDA 9.1 (9.1.85)	>= 390.46	>= 391.29
CUDA 9.0 (9.0.76)	>= 384.81	>= 385.54
CUDA 8.0 (8.0.61 GA2)	>= 375.26	>= 376.51
CUDA 8.0 (8.0.44)	>= 367.48	>= 369.30
CUDA 7.5 (7.5.16)	>= 352.31	>= 353.66
CUDA 7.0 (7.0.28)	>= 346.46	>= 347.62

1.1 本机CUDA版本查看

  步骤一、控制面板 -> NVIDIA控制面板

  步骤二、帮助 -> 系统信息

  步骤三、组件 -> 查看版本号

1.2 本机Driver版本查看

  步骤一、打开cmd；
  步骤二、输入命令 nvidia-smi；

  （注：若驱动版本不够，可自主升级）

  由此：确定需要下载的CUDA版本号。

2. 下载CUDA以及对应的cuDNN

2.1 下载CUDA

  下载链接：https://developer.nvidia.com/cuda-toolkit-archive

2.2 下载cuDNN

  下载链接：https://developer.nvidia.com/rdp/cudnn-archive

  下载对应版本的cuDNN即可。

3. 安装CUDA

4. 安装Torch、torchvision

  版本对应关系查看：
https://pytorch.org/get-started/previous-versions/

4.1 下载Torch

  注意：
    1、选择cu开头的torch（对应GPU版本）；
    2、cu101对应CUDA10.1，cp37对应python3.7；

   下载链接：https://download.pytorch.org/whl/torch_stable.html

4.3 安装Torch、torchvision

   进入torch、torchvision的下载路径，使用pip安装。

5. 验证

   步骤1、打开cmd；
   步骤2、打开python，引入torch；
   步骤3、输入torch.cuda.is_available()，若返回True则成功。

参考文献

[1]潇洒坤,Windows系统查看CUDA版本号,https://www.jianshu.com/p/d3b9419a0f89,2018-09-25/2021-03-07.
[2]v-space,解决PyTorch与CUDA版本不匹配,https://blog.csdn.net/weixin_42069606/article/details/105198845,2020-03-30/2021-03-07.