Anaconda配置GPU版本的pytorch

CUDA11.6，cuDNN8.6.0，conda配置了python3.9的环境，pytorch=1.12.0

1、查看电脑是否有GPU

（1）搜索计算机管理。点击“设备管理器-显卡适配器”，就可看到是否有GPU。

如下图，显卡是NVIDIA显卡，才可以安装GPU版本的pytorch。

显卡是AMD显卡，只能安装CPU版本的pytorch。

2 、查看是否安装cuda

（1）按下win+R，输入cmd进入命令提示符。输入nvcc -V，查看是否安装cuda。目前尚未安装cuda。

3、 Pytorch，CUDA及python对应的版本

以下两张截图来自 Pytorch，CUDA及python对应的版本

4、 安装并配置cuda

4.1查看NVIDA兼容的CUDA版本

（1）点击桌面右下角的“^”，进入NVIDA控制面板。（没有的话，可在）

4.2 安装CUDA

（1）我的安装版本是CUDA11.6，conda配置了python3.9的环境，pytorch=1.12.1。

CUDA官方下载地址

（2）win10选10，win11选11.

（3）双击.exe文件，选择文件存放位置，等待。

（4）同意继续。

（6）自定义，下一步。

（7）下一步。

（8）在之前的安装目录D:\CUDA中新建文件夹，目录为：

D:\CUDA\v11.6

D:\CUDA\Samples

选择安装位置，如下图，下一步。

（9）勾选，next。

（10）下一步，关闭。

4.3 配置CUDA环境变量

（1）搜索“编辑系统环境变量”，打开。

（2）高级-环境变量。

（3）CUDA_PATH和CUDA_PATH_V11_6这两个系统变量一般会自动生成，值为D:\CUDA\v11.6（没有的话自己添加）。NVCUDASAMPLES_ROOT和NVCUDASAMPLES11_6_ROOT需要自己添加，点击新建，输入变量名和值，其值为D:\CUDA\Samples。（这里的值就是你之前自己设置的安装位置）

4.4 验证CUDA是否安装成功

cmd中输入nvcc -V，出现下图即安装成功。

5、安装并配置cuDNN

5.1 安装cuDNN

cuDNN 历史版本（1）cuDNN 历史版本可以看到所有版本的cuDNN，及其与CUDA版本对应关系。

（2）我选择安装cuDNN8.6.0版本，点击Windows 本地安装程序（Zip）下载文件。

（3）解压后，复制文件中的bin，include，lib三个文件。

（4）粘贴到D:\CUDA\v11.6中，覆盖三个同样名字的文件。

5.2 配置cuDNN系统变量

（1）搜索“编辑系统环境变量”，打开。点击“高级-环境变量”，在系统变量中点击Path。

（2）点击“新建-浏览”，将以下路径添加进来。

D:\CUDA\v11.6\bin

D:\CUDA\v11.6\include

D:\CUDA\v11.6\lib

D:\CUDA\v11.6\libnvvp

5.3 验证cuDNN是否安装成功

（1）在D:\CUDA\v11.6\extras\demo_suite路径下启动终端。

（2）输入.\deviceQuery.exe，运行deviceQuery程序，出现以下画面。

（3）输入.\bandwidthTest.exe，运行bandwidthTest程序，出现以下画面，cuDNN安装成功。

6、Anaconda配置的环境下安装GPU版本pytorch

之前，在这篇博客中，我们已经利用anaconda创建了名为pytorch的conda环境。

（1）在Previous Pytorch Versions查看相应的conda版本。

（2）最开始使用conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge安装和清华镜像源安装都失败了。后面参考pytorchGPU版本下载，解决torch.cuda.is_available()返回False的问题用pip成功安装。

（3）打开Anaconda Prompt，输入conda activate pytorch进入pytorch环境。输入conda list，查看pytorch环境中是否有pip和pytorch。若没有pip，输入conda install pip，有的话就不用了。若之前下载了pytorch，务必用pip uninstall torch torchvision -y卸载pytorch。

（4）输入pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116安装pytorch。（我的CUDA是11.6，故是cu116）

（5）输入conda list，与 Previous Pytorch Versions对比，发现torch torchvision torchaudio版本不兼容。

当时强制兼容版本，直接报错。

（6）在torch torchvision torchaudio兼容版本下载下载 对应版本的文件。我这里是要下pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1这三个版本。（cp39是python3.9，cu116是CUDA11.6）

记住下载的这几个文件的位置（我是直接装在D盘）。pip install+路径就可安装。（报错是因为兼容问题，不用管，三个都装好后就没有兼容问题了）

pip install D:\torch-1.12.1+cu116-cp39-cp39-win_amd64.whl
pip install D:\torchvision-0.13.1+cu116-cp39-cp39-win_amd64.whl
pip install D:\torchaudio-0.12.1+cu116-cp39-cp39-win_amd64.whl

（7）此时再输入conda list，发现torch torchvision torchaudio版本兼容。

验证GPU版本pytorch是否安装成功

（1）打开Anaconda Prompt，输入conda activate pytorch进入pytorch环境。输入python。输入

import torch
torch.__version__
torch.cuda.is_available() # 返回True

安装成功的画面

参考

 Pytorch，CUDA及python对应的版本

CUDA、CUDNN安装教程

pytorchGPU版本下载，解决torch.cuda.is_available()返回False的问题