在windows中对torch1.7.1版本环境配置
环境内容
torch：1.7.1
安装Python版本要求
Python 3.5 — 3.7
下载 ANACONDA 对 Python版本和第三方库进行管理
官方推荐下载：https://pytorch.org/
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia
下载 Cudnn 和 CUDA
可在命令行汇总执行查看驱动版本：
nvidia-smi
或者通过NVIDIA控制面板在菜单栏 帮助 中选择 系统信息
然后再选择组件
根据本地的NVIDIA CUDA 版本去找到官方对应的CUDA版本
CUDA Toolkit 11.0 Download：
https://developer.nvidia.com/cuda-11.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
下载成功后进行安装
安装完成之后，还需要下载cuDNN，这里需要登录并填写问卷才能下载
cuDNN：https://developer.nvidia.com/rdp/cudnn-download
下载后进行解压
把 cuda 压缩包解压出来的文件复制到盘符:…\NVIDIA GPU Computing Toolkit\CUDA\v11.0中
接下来设置环境变量：
计算机上点右键，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_V11_0两个环境变量
如下图所示：
接下来，还要在系统中添加以下几个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0(这是我默认安装位置的路径)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
如下图所示：
在系统变量 PATH 的末尾添加：
%CUDA_LIB_PATH%;
%CUDA_BIN_PATH%;
%CUDA_SDK_LIB_PATH%;
%CUDA_SDK_BIN_PATH%;
再添加如下4条（默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib
如果你选用了自定义路径，上述这些默认路径都应该相应替换为你的自定义路径，以上为我的环境变量和PATH的配置情况：
环境变量：
配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：
首先win+R启动cmd，cd到安装目录下的 …\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\demo_suite
然后分别执行bandwidthTest.exe和deviceQuery.exe应该得到下图:
如果以上两步都返回了Result=PASS，那么就算成功了。
在ANACONDA 中安装 pytorch 选择安装1.7.1版本
清华conda源地址：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
建议同时添加第三方conda源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
在cmd中 输入 python 进入python 编译环境后，输入以下命令测试 pytorch GPU版本是否安装成功
import torch
print(torch.version.cuda)
print(torch.cuda.is_available())
