深度学习环境配置cuda+cudnn+anaconda+pycharm

CUDA

查看cuda驱动的版本

首先，你应该先打开cmd, 输入指令nvidia-smi, 查看GPU相关的信息：

此处可以看到，我的电脑的cuda版本是12.1. 这里显示的cuda版本指的是cuda drive version, 也就是计算机上驱动程序的CUDA版本，而之后在官网下载的cuda是runtime version(应用版本), 这个版本决定了您可以使用的CUDA工具和库的版本，以及您可以为哪个CUDA版本编译程序。

通常，更新版本的驱动程序支持早期版本的CUDA应用程序，换而言之，在网上下载cuda时注意选择版本不要超过nvidia-smi指令展示的cuda version.

查看显卡算力

此处感谢up主小土堆提到的如何查看显卡算力以及支持的cuda，原视频链接：23. GPU版本-GPU与CUDA准备工作_哔哩哔哩_bilibili

首先进入wiki的cuda词条：cuda

然后找到 GPUs supported

接下来找到你所需要的显卡对应的算力：（例如我的显卡是4060）

可以看到基本是支持11.8-12.3这个区间的cuda

结合两个版本，我们发现最好选择11.8-12.1这个区间的cuda.

接下来就可以进行下载：

CUDA Toolkit Archive | NVIDIA Developer

这里我选择的是12.1.0的cuda版本

因为我们下一步要下载pytorch,所以可以先来到pytorch download的官网，看一看是否恰好能够勾选到你下载的cuda版本，如果没有恰好对应的版本也没有关系，选择更早版本的cuda即可，如下图中恰好提供了12.1版本的cuda.

选择好后点击download进行下载。下载完成后双击.exe文件。

这里的地址不要更改。

一直下一步然后等待安装

此处要选择自定义

更改这两处的地址(当然也可以不更改，使用默认地址)，可以在D盘创建一个新的文件夹存放，注意两处的文件夹应该是相同的。

下载完成后打开anaconda prompt输入指令ncvv -V, 查看是否下载成功。

Windows上将CUDA路径添加到PATH环境变量

如果想要在cmd中调用cuda，我们需要添加环境变量：

首先找到下载cuda的路径，找到后需要找到bin这个文件夹，复制这个文件夹的路径：

(默认情况下，路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X\bin)

随后在开始菜单搜索高级系统设置，点击环境变量：

找到path, 选中后点击编辑

选择新建，粘贴上刚才复制的bin文件夹路径

确定后，再打开cmd, 输入nvcc --version 进行查看。

CUdnn

cuDNN（CUDA Deep Neural Network library）是NVIDIA为深度神经网络开发者提供的一个GPU-accelerated库。它为常见的深度学习操作（如卷积、池化等）提供了高度优化的实现，以在NVIDIA的GPU上达到高性能。

注意：如果你要下载pytorch, 直接跳过这一步，因为cudnn已经集成到pytorch下载中，不需要单独下载。

下载链接：https://developer.nvidia.com/rdp/cudnn-archive

选择和你CUDA版本一致的CUdnn即可：

(下载前可能需要注册并登陆账号)

解压后，复制下面的三个文件：

粘贴到之前cuda自定义的下载地址中：(我自定义了下载地址，位于D盘的cuda1文件夹，若没有修改地址，直接找到默认下载目录即可)

复制结束后，CUdnn下载完成。

Anaconda

首先进入到anaconda下载的官网：https://www.anaconda.com/download

如果你是和我一样的windows用户，直接点击download即可，若你是mac或linux用户，请点击get additional installers.

注意，anaconda可以理解为一个平台，他会给你提供管理python各个包/库的工具，同时也给你提供管理环境的工具，你可以利用anaconda创建虚拟环境，在虚拟环境中选择你需要的python版本。换言之，你可以任意配置你想要的python版本，所以不必担心直接下载最新的anaconda即可，这样能够兼容的python版本会更多。

下载完成后点击这个exe文件。

个人用户选择just me 即可

下载到D盘里避免挤占太多的C盘空间。

事实上四个选项你可以根据自己的需求进行勾选，不会影响我们使用anaconda。

下载完成后打开cmd, 输入指令conda -V，查看是否成功下载：

 

打开anaconda prompt，输入指令conda env list, 可以查看目前conda虚拟环境：

可以看到默认的base环境已经安装好，此时可以说明anaconda已经下载完成。

使用anaconda创建新的环境

我们可以使用anaconda创建自己需要的环境，例如若想要配置yolov8模型，需要python版本在1.8以上，所以在这里尝试配置一个新环境：conda create -n 环境名 python=python版本

注意：如果上面的指令输入后下载速度极慢，则可以使用国内大学的镜像进行下载：

conda create -n 虚拟环境名 python=python的版本 -c 镜像url

输入y，继续进行

出现这行指令标志着你已经完成了创建新的环境

接下来输入conda env list 查看此时拥有的环境：

可以看到带有3.8版本python的环境已经完成安装

打开anaconda，在图形界面中也可以看到配置好了anaconda虚拟环境

conda activate 环境名 #激活环境
conda list #展示当前环境中的package
conda deactivate # 退出环境
conda remove -n 环境名 --all #删除环境

Conda镜像通道添加

首先我们可以查看目前环境中的下载通道:

conda config --get

可以看出我们的通道是默认通道，从官方网站下载。

conda config --show

可以看到channel是默认的通道。

我们在下载package的时候，可能偶尔会出现下载速度过慢的问题，此时我们可以采用添加通道的方式，从国内的镜像网站中下载：

conda  config --add channels 镜像url

同样的添加完通道后，也可以删除这个通道：

conda config --remove channels 镜像url

因为笔者使用默认服务器进行下载就已经挺快了，所以就没有添加镜像，读者可以根据下面的博客添加清华镜像：

pytorch加速下载——清华镜像源(conda或者pip版本)_pytorch清华源下载-CSDN博客

Pytorch

首先来到官网：https://pytorch.org/get-started/locally/

根据cuda版本选择conda(优先)下载：

更早版本的pytorch:Previous PyTorch Versions | PyTorch

事实上使用pip命令也可以，原因如下：

当你使用conda activate py38命令激活py38环境后，你当前的shell或命令行会话将使用该环境的配置、包和Python解释器。因此，以下事项成立：

1. 安装包：使用pip或conda安装的任何包都会直接安装到py38环境中，不会影响到其他环境（包括base环境）。

2. 运行Python：当你在这个激活的环境中输入python并运行Python解释器时，你实际上运行的是py38环境下的Python版本。你可以通过python --version或which python（或where python在Windows上）来验证。

3. 独立性：这意味着py38环境的配置、库和其他设置都是独立于其他环境（如base）的。所以，你可以在py38中尝试、安装、升级或删除包，而不用担心会影响到base或其他conda环境。

接下来进入到需要安装pytorch的环境中，输入上图中'Run this Command'提供的指令。等待安装即可。

验证pytorch是否下载成功

输入下面的指令

conda activate 环境名称
python
import pytorch
print(torch.__version__)
torch.cuda.is_available()

若成功安装会出现下面的情况：

Pycharm下载

进入官网直接下载：Download PyCharm: Python IDE for Professional Developers by JetBrains

注意：professional版本需要收费，community是免费的，前者用于研究，可以自己在网上找激活办法（激活到2099年），若不用于深度学习研究，下载community即可。

Pycharm中文设置

点击设置(Settings)

在插件(Pluggins)里搜索中文,下载后重启pycharm即可

添加Python解释器

点击右下加，选择添加新的python解释器-添加本地解释器

接下来我们就可以把之前通过anaconda创建的虚拟环境导入，此处用安装了pytorch, python版本为3.8的环境作为示范：

注意，这里选择的是你创建的虚拟环境下的python.exe执行文件，选择后就可以确定了

可以检测到pytorch, 可见是正确的。

整理不易，希望能够帮助到你。