PyTorch学习笔记2—win10下pytorch-gpu安装以及CUDA安装记录

本篇是pytorch学习笔记系列第二篇，这一篇将记录我在windows10操作系统下安装CUDA、CUDNN、和pytorch-gpu的一些步骤

1.Cuda的下载安装及配置

首先我们要确定本机是否有独立显卡。在计算机-管理-设备管理器-显示适配器中，查看是否有独立显卡。

可以看到本机有一个集成显卡和独立显卡NVIDIA GetForce GTX 1050。

接下来，测试本机独立显卡是否支持CUDA的安装，点击此处查询显卡是否在列表中。

从上图中，可以看到我本机的独立显卡是支持CUDA安装的，计算力是6.1。

那么，接下来就是选择CUDA进行安装即可，点击此处

这里我选了CUDA Toolkit10.0的版本，至于选择哪个版本，个人认为应该没多大差别，一般就是看这个版本是否要求GPU的计算能力是多少以上。大约是2.1G。我用windows的IDM下载工具下载的，速度蛮快的。

接着就是安装过程，双击打开显示临时解压目录，不需要改变，默认即可。

接下来，进入NVIDIA安装过程，在这安装过程中，我一开始直接选择的精简安装，但由于VS的原因，导致无法正常安装，于是我换成了自定义的安装方式，并将VS勾给去掉，便可以正常安装了，至于CUDA的安装目录，大家默认安装在C盘即可。

安装完成之后，便是配置环境变量。环境变量配置如下图所示。

测试CUDA是否正常安装。可以看到测试成功，接着进行cudnn的下载。

2.CUDNN的下载及配置

点击此处，选择下载download cudnn，但这里需要你注册一个账号，然后进行问卷之后才可以进行下载页面，反正一步步操作即可。

然后因为我上一步CUDA的版本是10.0,而CUDNN的版本要跟CUDA版本一致，所以选择第二个下载即可。

下载之后，解压缩，将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可。

3.pytorch-gpu的安装

3.1 使用Anaconda安装

由于默认下载的仓库为国外仓库，下载速度较慢，因此我们使用了清华提供的镜像仓库，打开Anaconda控制台
添加以下几个镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

并设置搜索时显示通道地址，执行下面命令：

conda config --set show_channel_urls yes

查看镜像源是否设置成功：

conda config --show

之后来到Pytorch的官网，根据自己的配置进行选择，生成安装语句

**注意：**如果执行下面的指令默认还是从conda源下载，新安装的清华等源没有用上。

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

**正确命令：**去掉结尾的-c pytorch，（注意后面的cuda版本号要视情况而定）即：

conda install pytorch torchvision cudatoolkit=10.1

然后命令行验证pytorch是否正常安装成功，这里可以正常打印出版本号，安装没问题。

import torch
print(torch.__version__)

3.2 使用PyCharm安装

1.打开pycharm后文件 → 设置 → 项目：？？？→ 项目解释器 → 右上角的“+”号

2.通过“pytorch“这个关键字搜索包，然后选择要下的包，并单击安装包，即可开始安装pytorch

3.3 测试

然后在编译器中输入

import torch
import torchvision
print(torch.cuda.is_available())
print(torch.__version__)

将返回cuda是否可用和torch的版本号

如果以下语句结果输出False.

print(torch.cuda.is_available())

则可能是因为本机是集成显卡和独立显卡并存，且默认调用集成显卡而造成的问题，那么接下来就是将独立显卡设为默认即可。

桌面右键打开NIVIDIA控制面板，选择管理3D设置，全局设置中选择高性能NVIDIA处理器即可。

此时再运行刚刚的程序，应该就会输出为true

 

本篇完…

本系列已更新的学习笔记：
PyTorch学习笔记1—PyTorch简介
PyTorch学习笔记2—win10下pytorch-gpu安装以及CUDA安装记录
PyTorch学习笔记3—PyTorch深度学习入门（一）—基本方法
PyTorch学习笔记4—PyTorch深度学习入门（二）—自动求导
PyTorch学习笔记5—PyTorch深度学习入门（三）—神经网络
PyTorch学习笔记6—PyTorch深度学习入门（四）—入门实例