win10下pytorch-gpu环境配置

一、电脑硬件资源

使用的笔记本电脑硬件配置如下：
  1、CPU intel core i7 7700HQ
  2、显卡有两个，一个是集成显卡，一个是英伟达的GEFORCE GTX 1050（这个显卡是需要安装CUDA的驱动程序）
  3、内存16G
  4、固态硬盘256G

---

————————————————————————————————————————————
pytorch-gpu的环境配置步骤流程：七、更新pip的镜像源和conda镜像源；->-> 二、安装Anaconda，创建独立的pytorch-gpu虚拟环境；->-> 三、安装CUDA；->-> 四、安装cudnn；->-> 五、安装pytorch；->-> 六、pycharm集成开发软件的安装
————————————————————————————————————————————

---

二、anaconda的下载和安装

  1、点击此处，下载anaconda最新版软件。

  下载好的安装包，使用管理员权限进行安装。
  conda常用指令，点在这里
  2、anaconda是一个方便使用python的软件包，其包括常用的250多个工具包，多版本python解释器 和强大的虚拟环境管理工具。不同的虚拟环境可以使用不同版本的python和工具包，

  我们要创建一个集python3.7版本和pytorch工具包的虚拟环境pytorch_gpu，使用如下命令：

conda create -n xxx python=3.7

  python可以为任意版本，此处为3.7版本，即python=3.7；xxx为自己命名的虚拟环境名称,此处为pytorch_gpu，该文件可在Anaconda安装目录 envs文件下找到。

  3、使用如下命令，激活虚拟环境

python --version(或者 -V)  # 可以检查当前python的版本
conda activate your_env_name(虚拟环境名称)

三、CUDA的下载和安装

  1、测试本机的独立显卡是否支持CUDA的安装，可以点击此处，查看列表中是否有自己的独立显卡类型。

  从图中可以知道，我的独立显卡支持CUDA的安装，并且显卡的计算力是6.1；其他类型的英伟达显卡也可以参考以上步骤来查看是否支持CUDA的安装。
  2、然后，可以点击此处，找到合适的CUDA程序。这里我选了CUDA Toolkit10.0的版本，至于选择哪个版本，一般看这个版本是否要求GPU的计算力在多少以上，在满足计算力要求的情况下，每个版本都可以安装，个人认为版本之间应该差别多大。

  找到CUDA Toolkit 10.0选项，点进去按如下步骤下载。注意：不同的操作系统选择不同的选项。

  3、接着是CUDA的安装过程，使用管理员权限打开，显示的临时解压目录不需要更改，默认即可。

  进入NVIDIA CUDA安装界面，若无法选择精简安装，这是由于VS的原因，导致无法正常安装；这时，可以更改为自定义的方式安装，并将Visual Studio Integration选项勾掉，就可以正常安装了，对于CUDA的安装目录，大家默认安装在C盘即可。（也可以选择其他位置，在此我安装在D盘）

  CUDA安装完成后，需要配置系统环境变量。

计算机图标上点右键，打开属性 -> 高级系统设置 -> 环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V10_0两个环境变量

  接下来，还要在系统变量 PATH中添加如图所示的几个环境变量

  最后，测试CUDA是否正常。在终端中输入nvcc -V命令，若看到下图内容则测试成功，接下来就可以进行cudnn的下载和安装。

四、cudnn的下载和安装

  1、可以点击此处，选择合适的cudnn版本进行下载，若是首次登陆，需要你注册一个账号，进行问卷之后才可以进入下载页面。注册账号还要填表感觉太麻烦，有没有简便方式呢？答案是有的，其实可以选择QQ或微信方式登入。
  进入登入界面，若已经申请了账户则直接输入邮箱和密码登入，若没有可以选择创建账户选项。

  此处会显示微信或QQ方式登入，由于我使用的的是QQ，所以下图只圈出QQ登入方式。

  2、由于我安装的CUDA是10.0版本，所以我选择了相应的cudnn版本。

  成功下载后，解压缩，把CUDNN压缩包里的bin、clude和lib文件夹下的文件，直接复制到CUDA的安装目录下的相应文件夹内，覆盖安装即可。

  3、最后，验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe两个程序：
  首先启动终端，cd到安装目录下D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite（这是我的安装路径，默认是在C盘），然后分别执行bandwidthTest.exe和deviceQuery.exe，得到如下图:

  如果以上两步都有Result=PASS，那么就表示安装成功。

五、pytorch的下载和安装

  1、进入Pytorch的官网，发现没有CUDA10.0版本。

  而且尝试使用conda安装，也老是不成功，替换清华镜像源，但速度实在是龟速，半天没动静。所以，可以进入这里，根据自己的配置进行选择下载（我的选择如下如所示），这样下载速度不是很慢，最后离线安装。


  2、进入终端，cd到以上离线软件所在的位置，使用pip安装。


  3、用命令行验证pytorch是否安装成功

  这里可以正常打印出pytorch的版本号，说明安装没有问题，而且尝试调用CUDA输出是否正常，返回Ture。

六、pycharm的下载和安装

  软件是pycharm2019.1版本，其安装包和破解过程可以点击这里获得。

七、pip的镜像源和conda镜像源

• pip的镜像源

在C:\Users\lenovo\AppData\Roaming\pip路径下，新建pip.ini文件（若已存在可忽略此操作），添加以下代码内容

[global]
timeout = 6000
index-url = http://pypi.douban.com/simple  #豆瓣源（以下四个pip镜像源也可用，自行选择）
#index-url = http://mirrors.aliyun.com/pypi/simple  
#index-url = http://pypi.hustunique.com/simple  
#index-url = http://pypi.sdutlinux.org/simple  
#index-url = http://pypi.mirrors.ustc.edu.cn/simple 
trusted-host = pypi.douban.com    #添加可信任

• conda的镜像源（清华源目前测试连接不上）

配置文件是在默认安装路径 “C:\Users\用户名\” 下的 .condarc 中（我的是C:\Users\lenovo\ .condarc）

channels:
  - https://repo.continuum.io/pkgs/free/win-64/
  - https://repo.continuum.io/pkgs/main/win-64/
ssl_verify: true
show_channel_urls: true