2. Pytorch安装教程(包含CUDA、cuDNN安装)

PyTorch 安装教程

1、安装 Anaconda

Anaconda 是一个可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda 包含了 conda、python 在内的超过180个科学包及其依赖项。

关于 Anaconda 的安装较为简单，本文不赘述。相关教程可以Google查找。

2、安装 CUDA

2.1 前言

windows10 版本安装 CUDA ，需要下载两个安装包：

• CUDA toolkit（toolkit就是指工具包）
• cuDNN

注：cuDNN 是用于配置深度学习使用

官方安装教程：

CUDA：CUDA Installation Guide for Microsoft Windows

cuDNN：NVIDIA Deep Learning cuDNN Documentation

2.2 检查你的设备是否可以安装 CUDA

2.2.1 查看自己设备的显卡信息

• 打开设备管理器，查看显卡信息

2.2.2 查看该型号显卡是否支持 CUDA

检查网址 ，若网址中有你所持有的型号，则可以放心安装。

小注：我的 GTX 1650 在网址中是没有的，但是不影响后续安装。也有网友讨论过 GTX 1650 安装 CUDA 后可以使用 GPU提速。讨论 GTX 1650 是否支持 CUDA。

2.2.3 如果你的设备为 CUDA-Enabled，请继续和我一起选择你所需要的版本 CUDA 叭

• 打开 NVIDIA控制面板

  

• 点击左下角 “系统信息”，点击 “组件” ，查看下图信息。

  

  此处的 CUDA 11.2.162 不表示我们已经安装了 CUDA 11.2.162，而是我们设备所支持 CUDA的最高版本。

2.3 CUDA下载

此处我下载的是 CUDA Toolkit 11.0.2 (July 2020)。 下载网址

点击进入链接后，选择自己所属的设备信息，下载 exe(local) 版本。

2.4 CUDA 安装

2.4.1 前言

CUDA安装时，第一次会让设置临时解压目录，第二次会让设置实际安装目录。建议全部默认。

• 临时解压路径，建议默认即可，也可以自定义(不建议)。安装结束后，临时解压文件夹会自动删除；

• 安装目录，建议默认即可；

注意：临时解压目录一定不能和cuda的实际安装路径设置成一样的，否则安装结束，会找不到安装目录的！！！

2.4.2 具体安装步骤

• 双击 “exe文件”，选择路径（推荐默认路径）。点击 “ok”。

• “许可协议” 栏中，点击 “同意并继续”。

• “选项” 栏中，选择 “自定义”。

  • 精简版本是下载好所有组件，并且会覆盖原有驱动，所以在这里推荐自定义下载
  • 如果你是第一次安装，尽量全选 ( 去掉 CUDA下的 Visual Studio Intergration )
  • 如果你是第n次安装，尽量只选择第一个，不然会出现错误

• “选择安装位置” ，建议全部默认。请务必截图记下 这3个路径，等会还会用到。

• 后面就是傻瓜式操作咯

2.4.3 检查环境变量

• 右键 “此电脑” 后选择 “属性” ，点击 “高级系统设置”

  

• 检查 “系统变量” 栏中是否有如下两个字段

  

若没有，请手动添加 （“值” 信息，请按照自己CUDA的实际安装位置填写）。

参考：
CUDA_PATH
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

CUDA_PATH_V11_0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

• 接下来，检查另外两个变量

  

若没有，请手动添加 （“值” 信息，请按照自己CUDA的实际安装位置填写）。

参考：
NVCUDASAMPLES_ROOT
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0

NVCUDASAMPLES11_0_ROOT
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0

2.5 检查是否安装成功

• 打开命令行窗口，输入 nvcc --version 即可查看版本号

  

• 输入 set cuda 即可查看 CUDA 设置的环境变量

  

若有以上输出，则说明CUDA安装成功。

3、安装 cuDNN

3.1 cuDNN 下载账号注册

下载 cuDNN 我们需要注册他家的账号后才能进入到下载页面。记得要耐心一点哦！

cuDNN注册地址

注册成功后的下载界面

3.2 选择跟自己 CUDA版本适配的 cuDNN版本

如下是我的选择

下载结果是一个压缩包。发现 cuDNN 不是一个 exe文件，所以可以理解 cuDNN 其实是 CUDA的一个补丁而已，专为深度学习运行提供优化的。

接下来，我们依次把 cuDNN 下 bin、include、lib 目录中的文件拷贝到 CUDA_PATH 下对应的 bin、include、lib 目录中。

CUDA 的安装路径 CUDA_PATH 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\v11.0

3.3 配置环境变量

配置效果如图所示

参考：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp

3.4 检查是否安装成功

• 打开命令行窗口，cd 到安装目录下( 你的路径可能和我不一样哦~~ )

  cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\demo_suite
  

• 分别执行 .\bandwidthTest.exe 和 .\deviceQuery.exe，如果均出现 Result = PASS ，则表示安装成功。

  

  

4、安装 PyTorch

4.1 创建 python 虚拟环境

• 打开命令行窗口，键入命令

  conda create -n pytorch python=3.7
  
  pytorch 为虚拟环境名称，可以根据自己习惯设置。
  python 我选择 3.7 版本，可以根据自己需要选择。
  

• 进入 pytorch 虚拟环境

  activate pytorch
  

4.2 PyTorch 安装

下载地址

根据自己的实际情况选择，然后复制 “Run this Command” 中的命令到 **pytorch环境 **中即可。

• 该步骤需要注意的事情

  如果出现该提示信息：Solving environment: failed with initial frozen solve. Retrying with flexible solve。则说明没有安装成功。具体原因参见该链接：（已解决）Solving environment: failed with initial frozen solve. Retrying with flexible solve.

• 如果出现上面的问题，则可以 舍弃conda命令而使用 pip 命令来实现 PyTorch 安装

• 如果上图没有和你所对应的版本，请转移到该 下载地址

  我安装 PyTorch 时使用的命令：
  # CUDA 11.0
  pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
  

4.3 检查是否安装成功

进入 pytorch 虚拟环境，键入 python，输入如下命令，若返回 True，说明 GPU可用。

命令：
>>> import torch
>>> torch.cuda.is_available()

至此，PyTorch安装成功。

5. 参考链接（表示感谢）

查看你的电脑是否可以装cuda

CUDA安装教程（超详细）

pytorch之torch.cuda.is_available()——判断GPU可用

查看你的电脑是否可以装cuda

CUDA安装教程（超详细）

pytorch之torch.cuda.is_available()——判断GPU可用

Pytorch最全安装教程（一步到位）