从零开始搭建GPU深度学习环境（pytorch）

傻乎乎的我，突然发现我自己的笔记本电脑居然有gpu，这个电脑是我弟在2017年购入的。

电脑已经按照了cpu环境，现在增加gpu环境

参考torch的cpu版本和gpu版本有什么区别 torch与cuda版本_mob64ca13f6035c的技术博客_51CTO博客

前言：
配置环境：

Windows10 + Anaconda + python3.8.10+GPU:RTX2060 ，已安装好显卡驱动
本文安装的Torch和CUDA版本：

Cuda11.1.1+cuDNN8.05+torch1.8.1+torchvision0.10.0
建议：

先了解显卡的cuda版本和cudatoolkit的区别；文中的第一项
1 显卡驱动带的Cuda和自己装的Cuda有什么区别？
疑问： 安装好CUDA后，在cmd中输入nvidia-smi和nvcc -V显示的cuda版本不同？如图所示。

2 Cuda11+CudNN安装流程
总结以下下载地址：
1.Nvidia显卡驱动：  https://www.nvidia.cn/Download/index.aspx?lang=cn2.Cuda下载：

官网最新版本： https://developer.nvidia.com/cuda-downloads
官网往期版本：  https://developer.nvidia.com/cuda-toolkit-archive
3.cuDNN下载：  https://developer.nvidia.com/rdp/cudnn-archive4.pytorch和torchvision下载：

官网最新版本：  https://pytorch.org/get-started/locally/
往期版本下载：  https://download.pytorch.org/whl/torch_stable.html
3.1 前言：
若显卡已安装好Nvidia显卡驱动，请在cmd使用nvidia-smi查看显支持的cuda的最高版本，如图所示。

若还未安装显卡驱动（也不用担心），安装cuda时勾选显卡驱动可顺便将显卡驱动一起安装

作者的显卡驱动在 https://www.nvidia.cn/Download/index.aspx?lang=cn下载并安装完毕。

3.2 Cuda安装：
前言
在3.1中nvidia-smi查询到Cuda版本为11.3（Driver API），因此在下载Cuda为深度学习加速时，只要CUDA Toolkit 的版本<=11.3。

安装步骤
步骤1： 选择合适的cuda版本，并安装，本文选择的是 11.1，如图所示。

最新版本cuda： https://developer.nvidia.com/cuda-downloads（最新版本的cuda）

往期版本cuda：https://developer.nvidia.com/cuda-toolkit-archive （很多版本任君选择）

步骤2：（安装） 双击exe文件完成解压（解压路径最好不要改），进入安装后，选择自定义安装，如下图所示。

步骤3：自定义安装说明， 选好并点击安装。

情况1：若电脑已经安装好显卡驱动，只勾选Cuda。其它组件请对比版本号。若当前版本较新，则不安装其它选项，若版本较旧，建议勾选安装，如左图所示 。
情况2：若电脑未安装显卡驱动，建议都勾选，会顺便把显卡驱动装上，如右图所示
选完后，下一步----安装即可。
步骤4： cmd中，输入nvcc -V（注意V是大写），可查当前cuda版本，即安装成功，如下图所示。

TIPS：若nvcc -V没反应，则看是否cuda未加入环境变量

1.打开高级系统设置，在用户变量的Path中加入cuda的bin和lib路径，如

3.3 cuDNN安装步骤（cuDNN8.0.5）
cuDNN下载官网 https://developer.nvidia.com/rdp/cudnn-archive 官网已说明Cuda对应的cuDNN版本，相信官网，如图所示。本文选择cuDNN8.0.5

在官网下载cuDNN前需注册Nvidia会员，免费的。

具体步骤： 下载cuDNN，并将zip文件解压，将里面的文件全部复制到CUDA的安装目录中，如图所示。

此时cuDNN也配置完成了！

4 pytorch和torchvision的安装（gpu版本，python3.8+pytorch1.8.1+torchvision0.9.1）

方法一：根据官网指令进行安装（不推荐，容易失败，因为国情原因）
网站：https://pytorch.org/get-started/previous-versions/

说明：

命令行中cudatoolkit实际上就是第3点中的Cuda（Runtime API），若已根据第3点安装了Cuda，就不需要cudatoolkit了；
第3点中的cuda是系统级安装，命令行的conda install cudatoolkit是虚拟环境级的安装
用命令行安装一般都会失败，因为网络问题和安装包比较大，因此请看方法二，用whl安装。
方法二：使用whl安装。

安装步骤：
步骤1：选择合适的torch和torchvision版本

注意：根据你实际使用的python版本来选择，cp38为python3.8，cp36为python3.6，不要选错了。

打开这个网页

步骤二： 安装torch1.8.1

激活安装的虚拟环境->进入whl的文件夹->pip install +文件名 即可完成torch的安装。

步骤三： 安装torchvision（与步骤二类似）

激活安装的虚拟环境->进入whl的文件夹->输入以下命令即可安装完成

pip install --no-deps + 文件名
1.
说明： 不添加–no-deps会导致安装时自动将你的pytorch-gpu版本自动卸载，然后装上别的版本。（这真是神奇的操作，别踩坑了。）

最后：检查是否安装成功，显示true即安装成功