2021-10-26 Anaconda配置Pytorch-Gpu环境

其次再下载对应版本的cudnn,下载cudnn时直接到官网下载可能会需要登录（有时网站都进不去）,这时我们可以直接打开个版本下载地址：https://developer.nvidia.cn/rdp/cudnn-archive#a-collapse51b
如图所示：

因为我对应的CUDA版本是8.0，所以下载对应8.0的CUDNN。
两个下载完成后安装CUDA，选择自定义，后面所有都下一步就好了，安装完成后将下载的cudnn解压的内容复制到C盘根目录下，如图所示：

[global]
index-url = http://pypi.mirrors.ustc.edu.cn/simple
[install]
use-mirrors =true
mirrors =http://pypi.mirrors.ustc.edu.cn/simple/
trusted-host =pypi.mirrors.ustc.edu.cn

conda create -n pytorch python=3.x #环境名称为pytorch

激活刚刚所创建的环境：
activate pytorch
安装torch库，进入相关库的网址：https://download.pytorch.org/whl/torch_stable.html
在pytorch官网中找到自己CUDA版本合适的torch版本

我的是CUDA8.0 所以下载此版本,还需下载torchvision如图：

下载完成后手动安装库，找到下载库的文件位置，首先进入刚刚创建的pytorch环境，
然后我的torch库文件是下载到桌面上的，进入桌面路径

最后进行安装torch和torchvision


至此安装完成，我是使用pycharm编辑器，打开pycharm新建项目，选择刚刚我们所创建的pytorch环境

测试代码：

import torch
flag = torch.cuda.is_available()
if flag:
    print("CUDA可使用")
else:
    print("CUDA不可用")

ngpu= 1

device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print("驱动为：",device)
print("GPU型号： ",torch.cuda.get_device_name(0))

运行结果如下：

https://blog.csdn.net/liming_2464/article/details/99457626
https://blog.csdn.net/weixin_41732417/article/details/108944353
https://blog.csdn.net/weixin_44791964/article/details/106037141
https://blog.csdn.net/weixin_41732417/article/details/108944353