win10安装Anaconda、Cuda、Cudnn和Pytorch(gpu版)

win10安装Anaconda、Cuda、Cudnn和Pytorch(gpu版)

安装Anaconda

在https://www.anaconda.com/products/individual上下载对应的Anaconda，这里我选的64位Python3.7，然后图形化安装，完成后别忘了配置下环境变量Path：

配好Path后在cmd下执行conda --version，显示出版本号即可。

安装Cuda

在安装cuda前，最好先上（https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html）查一下显卡驱动（cmd命令：nvidia-smi）和cuda的版本对应关系，如下图：


如上图，我的显卡驱动版本是442.53，所以选择cuda10.2，在https://developer.nvidia.com/cuda-toolkit-archive下载对应的cuda，安装的时候是图形化界面，选择默认路径就行，之后选择推荐的安装，因为推荐安装会安装对应的驱动版本，避免以后出错的机率，安装完成后可以在系统的命令行窗口使用 nvcc -V 命令查看一下安装的版本信息。

注意:我在装cuda时，提示我好像缺少Visual Studio组件还是“error: Microsoft Visual C++ 14.0 is required. Get it with "Microsoft Visual……”的，记不清了，然后我下了个visualcppbuildtools_full，直接装上就好使了。（具体参考：https://blog.csdn.net/weixin_40547993/article/details/89399825?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-1，最后的解决办法）

安装cudnn

在https://developer.nvidia.com/cudnn上下载与cudn对应的cudnn，前提是得注册个账号，下载后是个压缩包，解压即可，然后：

• 将cuda\bin目录中的 cudnn64_7.dll 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin 中
• 将cuda\include目录中的 cudnn.h 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include 中
• 将cuda\lib\x64 目录中的 cudnn.lib 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64 中

然后将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64都添加环境变量path中。

安装Pytorch(gpu版)

在https://pytorch.org/get-started/locally/下载所需的pytorch，如下图：

一开始我用的conda方式安装，可是不成功，于是改用pip安装，并修改了pip命令，让其直接从清华镜像源下载（注意：如果CUDA选None的话，表示cpu版的pytorch）：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch===1.5.1 torchvision===0.6.1 -f https://download.pytorch.org/whl/torch_stable.html

最后在cmd里进入python环境，执行以下代码测试pytorch是否成功安装：

from __future__ import print_function
import torch
x = torch.rand(5,3)
print(x)

然后，为了验证GPU驱动和Cuda是否能被PyTorch所用，执行以下代码：

import torch
torch.cuda.is_available()

若输出为True则证明安装成功，可以借用gpu的计算能力。