Pytorch环境配置

目录

安装步骤：

1.安装anaconda 

2）查看自己电脑cuda版本

3）上pytorch官网查看自己的cuda对应的pytorch版本(建议用conda下载)

 4）上英伟达官网下载cuda cudnn

下载cuda官网

下载cudnn官网（这个需要有英伟达账号）

5).安装cuda cudnn

cuda按照

 cuDNN配置

添加环境变量 

  6）检测是否成功

---

---

本人前段时间安装pytorch环境搞了整整2天，为了不让你们踩我踩过的坑

我在这里分享我的安装步骤

安装步骤：

 1.安装anaconda    >>   2.查看自己电脑cuda版本   >>    3.上pytorch官网查看自己的cuda对应的pytorch版本(建议用conda下载)   >>   4.上英伟达官网下载cuda cudnn     >> 5.安装cuda cudnn

 >>  6.检测是否成功

1.安装anaconda 

打开anaconda官网 

点击individual edition

点击download

 自己找个地方放（不建议放c盘）

 下载好安装请看anaconda安装以及简单使用

2）查看自己电脑cuda版本

 右键NVIDIA点击NVIDIA控制面板

点击右下角系统信息

记住你的cuda版本（这个是最高可接受版本）

3）上pytorch官网查看自己的cuda对应的pytorch版本(建议用conda下载)

pytorch官网：

https://pytorch.org/get-started/locally/

向下滑动 我选的cuda11.3（因为我最大兼容是11.5）

 复制这个

  将其复制到终端，按下回车执行

 

 到这里输入y按下回车

 然后就等待它下载完成

 4）上英伟达官网下载cuda cudnn

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。
 

NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA

cuDNN  可以集成到更高级别的机器学习框架中，如加州大学伯克利分校的流行caffe软件。简单的，插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是调整性能，同时还可以在GPU上实现高性能现代并行计算。

下载cuda官网

https://developer.nvidia.com/cuda-toolkit-archive

 点击这个，打开网站

 找到你的版本(这里我选11.0版本)

 点进去安装自己电脑配置 点下载

 

下载cudnn官网（这个需要有英伟达账号）

https://developer.nvidia.com/rdp/cudnn-archive

 圈起来是刚刚你的版本就是上面下的cuda版本（一定要小于你的最高版本） ，下划线就是你的电脑操作系统类型

5).安装cuda cudnn

cuda按照

双击exe 

 建议不要改地址

 

 选精简安装

无脑确定就行了 

 

 安装完成

 cuDNN配置

cuDNN 解压缩后的文件

把三个文件夹拷贝到cuda的安装目录下。

CUDA 的安装路径在前面截图中有，或者打开电脑的环境变量查看，默认的安装路径如下

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

就是替代原本cuda文件夹的 bin include lib 文件

大家应该可以理解，cuDNN 其实就是 CUDA 的一个补丁而已，专为深度学习运算进行优化的

添加环境变量 

打开我的电脑（右键此电脑）点击属性

 高级系统设置

点击环境变量 

 

 点击上面那个编辑

 将这四个，依次添加到里面

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\libnvvp

 大功告成

  6）检测是否成功

打开你的编程软件输入

""" 
CSDN : heart_6662
PYTHON amateur   
"""
import torch
a = torch.cuda.is_available()
print(a)
ngpu= 1
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())

 成功了