最适合新手入门的CUDA、CUDNN、Pytorch安装教程

        由于训练超分辨率图像重建，需要在Pytorch的框架下进行模型训练，开始着手于Pytorch的安装。跌跌撞撞的尝试了好多种方法，以下总结以下最有效的菜鸟级别的Pytorch框架的搭建以及安装。

1、CUDA的安装与测试

1.1 cuda适配版本查询

        CUDA是用于GPU计算的开发环境，它是一个全新的软硬件架构，可以将GPU视为一个并行数据计算的设备，对所进行的计算进行分配和管理。 在CUDA的架构中，这些计算不再像过去所谓的GPGPU架构那样必须将计算映射到图形API（OpenGL和Direct 3D）中，因此对于开发者来说，CUDA的开发门槛大大降低了。

安装cuda首先要查看电脑的cuda适配版本,首先在电脑的搜索框搜索NVIDIA Control Panel

进入后点击左下角系统信息->组件->找到NVCUDA64.DLL,图如下：

 可以看到自己电脑所能下载的cuda版本的最大版本。于是开始下载适配的cuda版本。

1.2 cuda的下载安装

首先进入cuda官网：CUDA Toolkit Archive | NVIDIA Developer

选择自己适配的CUDA toolkit 点击展开，选择windows操作系统，具体选择如下图，即可完成下载安装

 下载完成，安装时安装路径可以自己选择一个自己知道的安装路径，然后直接按照安装的默认直接一直下一步即可完成。

1.3对cuda是否安装完成进行测试

windows+R打开运行框，输入cmd，进入终端，输入nvcc -V，出现以下结果：

即为安装成功。

2、CUDNN的安转与测试

2.1 CUDNN的安装

CUDNN：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，CUDNN不是必须的，但是一般会采用这个加速库。总结. 简单来说，CPU适合串行计算，擅长逻辑控制。 GPU擅长并行高强度并行计算，适用于AI算法的训练学习。 CUDA 是NVIDIA专门负责管理分配运算单元的框架. CUDNN是用于深层神经网络的gpu加速库。进入cudnn的官方下载网站：NVIDIA cuDNN | NVIDIA Developer

但是官方下载避免不了要注册然后登录才能到下载的版本选择界面。因为是外网可能需要翻墙，不然进不去，网速非常慢。这里推荐一种其他的下载方法：

首先点击cuDNN Archive | NVIDIA Developer进入到cudnn的版本选择界面，找到自己适配cuda的cudnn版本，然后点击展开

找到cuDNN Library for Windows（x86） 鼠标右键选择复制链接，打开一个下载器，这里推荐迅雷下载器，打开迅雷下载器输入链接即可自动下载

虽然下载稍慢，但是可以下载，避免了翻墙注册的麻烦。下载完成后解压，将解压文件中的bin，include，lib三个文件复制，然后进入cuda的安装目录下面，我这里是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1，然后点击粘贴覆盖。具体流程图如下：

复制以下三个文件：

在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1文件夹下粘贴覆盖

接着进行环境变量的配置，打开控制面板->系统和安全->系统->高级系统设置->高级->环境变量找到path点击编辑

进入后点击新建，输入C:\Program Files\NVIDIA Corporation\NVSMI

 然后全部点确认（一定要点确认），即可安装成功cudnn。

2.2 CUDNN的测试

windows+R并输入cmd打开命令提示符键入nvidia-smi，看到以下结果：

即安装成功。

3、pytorch的安装与测试

3.1 pytorch的安装

pytorch在python的具体模块是torch所以安装pytorch就是在安装torch包，具体步骤如下：

创建一个虚拟环境下载torch

conda create -n pytorch python==3.7 创建一个基于python3.7的名为pytorch的虚拟环境

环境。当出现时，键入y即可创建虚拟环境。

进入虚拟环境下载pytorch

conda activate pytorch(虚拟环境名称)

然后键入

pip install torch===1.8.0 torchvision===0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

开始下载torch，即可完成下载任务。

3.2 pytorch的测试

打开cmd面板键入python进入python环境，输入

import torch 
print(torch.__version__)

结果显示了对应的pytorch版本，说明已经安装成功。验证pytorch是否能正常调用cuda，接着上面的输入

print(torch.cuda.is_available())

 得到TRUE，如果得到FALSE则说明cuda的版本与pytorch 的版本不适配。具体的适配问题请查看下图：

希望能对大家有所帮助！