pytorch详细安装+cuda环境配置

确定cuda版本

打开NVIDIA控制面板，点击左下角的系统信息，查看自己的显卡型号。

进入cuda release notes网页查询对应的版本号支持，以CUDA 12.1 Release Notes为例，链接：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
在表格2 CUDA Toolkit and Minimum Required Driver Version for CUDA Minor Version Compatibility查看驱动程序版本支持的CUDA版本，选择其中一个CUDA版本进行下载。

进入cuda toolkit-archive选择对应的版本进行下载，
链接：https://developer.nvidia.com/cuda-toolkit-archive
之后安装cuda.

pytorch+torchvision+torchaudio安装

在pytorch官网的指示下找到对应的版本组合进行下载不容易出错。但在cmd里直接pip download下载容易因为网络问题出现http类型错误。我们可以在官网上下载好whl文件，然后在cmd上加载相关文件
whl文件，就能较快的完成版本安装。
Pytorch官网链接：https://pytorch.org/get-started/previous-versions/
Pytorch whl安装包下载链接：
https://download.pytorch.org/whl/cu101/torch_stable.html
https://download.pytorch.org/whl/
例如我的cuda版本是10.1，我就根据框框指示的版本号逐个下载，最好是选择带+cu102后缀的，可以免去cuda102配置的额外安装。
torch1.8.1+cu101 torchvision0.9.1+cu101
torch和torchvision都要加上cuda版本号，可以免去cuda额外安装。

我们可以根据末尾处的链接，进入whl文件库网页，根据自己的python版本下载对应的whl文件。


例如我的python版本是3.8，我选择这一下几个文件进行下载。



下载后3个文件名称如下图所示。

之后在自己的cmd环境并进入whl文件路径下载并加whl文件名即可快速完成安装。下载顺序是torch、torchvision、torchaudio。
依次执行命令
pip install torch-1.8.1+cu101-cp38-cp38-win_amd64.whl
pip install torchvision-0.9.1+cu101-cp38-cp38-win_amd64.whl
pip install torchaudio-0.8.1-cp38-none-win_amd64.whl

之后在python环境中进行版本测试

pytorch验证cuda是否可用代码

	print(torch.__version__)            # 查看torch版本
    print(torchvision.__version__)      # 查看torchvision版本
    print(torchaudio.__version__)       # 查看torchaudio版本
    print(torch.version.cuda)           # 查看cuda版本
    print(torch.backends.cudnn.version())   # 查看cudnn
    print(torch.cuda.is_available())        # 查看cuda是否可用
    print(torch.cuda.device_count())        # 查看gpu数量
    print(torch.cuda.get_device_name(0))    # 查看gpu 0 的名称

anaconda安装不同版本的cuda、cudnn和pytorch

以安装pytorch==2.2.2版本为例。
进入pytorch官网确定安装pytorch版本和所需要的cuda版本

anaconda配置cuda环境,依次输入

conda create -n torchdemo python=3.8
conda activate torchdemo                    # 激活torchdemo环境
conda search cudatoolkit --info		# 查看源内所有的cudatoolkit版本
conda search cudnn --info			# 查看conda支持的cudnn版本，以及cudnn所适配的cuda版本

安装的cudatoolkit版本还要看显卡是否满足。


确定cuda版本和cudnn版本，依次安装cuda和cudnn

conda install cudatoolkit=11.8.0
conda install cudnn=8.9.2.26

安装pytorch
根据官网指导下，执行