GPU版本的PyTorch安装与环境配置

前言：笔者最近打算安装pytorch学习一下，由于各种原因花了一天时间捣腾，最终发现亲测有效的一种方法，安装pytorch需要注意各个部分版本之间的兼容性。

一、安装需求流程

GPU版本pytorch安装需求：

1. cudatoolkit驱动器的安装与下载
2. pytorch的安装与下载
3. cuda的下载与环境配置
4. cudnn的下载与环境配置

因为我们是下载GPU版本的pytorch，因此需要注意你的显卡的配置是否和cuda驱动匹配，此外cudatoolkit与cudnn也需要和cudatoolkit驱动版本相兼容.

二、 步骤1： pytorch与cudatoolkit驱动器的安装与下载

2.1 cudatoolkit驱动器下载

在cmd中使用nvidia-smi查询可以安装的驱动版本
然后用通过表1和表2确定CUDA驱动和pytorch的版本，要求Driver Versiond>384.81的cudatoolkit，也需要注意后面的cuda安装也要和cuda驱动版本兼容.由于我个人配置的电脑Driver Versiond=430.（非截图）因此我选择下载cuda驱动的版本为10.2.

疑难问题：pytorch与cudatoolkit的下载
一般通过pytorch官网给出的命令下载， pytorch官网. 通过官网给出的命令在anaconda的conda中输入该命令下载
问题1：墙内，网络下载慢，即使加载清华源，也需要尝试下载多次才可以成功.
问题2：我使用清华源下载后的pytorch版本为CPU版本，不是GPU版本.
我先给出一般cuda下载方式，之后再给出单独下载GPU版本pytorch的方式

# 添加Anaconda的清华镜像
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/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# 设置搜索时显示通道地址
config --set show_channel_urls yes  

注：如果要删除自定义源更换回conda的默认源，直接删除channels即可，命令如下：
conda config --remove-key channels

下载命令conda install pytorch torchvision cudatoolkit=10.2
注意要把后面的-c pytorch去掉，不然还是使用的默认源下载。也可以先使用下面命令先下载torchvision 和cudatoolkit驱动而不下载pytorch .
conda install torchvision cudatoolkit=10.2

下载后再次通过nvidia-smi查询安装后的驱动版本（该截图非我电脑）

2.2 torch下载

torch下载：由于通过命令行下载的pytorch版本是cpu版本导致后期测试torch测试是否可以使用GPU 时，torch.cuda.is_available()一直返回False.
通过下载pytorch的whl文件，用pip install ******.whl来安装pytorch.
pytorch的whl下载地址.
https://download.pytorch.org/whl/torch_stable.html

在这里我选择的1.6.0版本的torch，3.7版本的python.
cu*torch才是GPU版本，注意的是需要下载win，特别重要的是cp后面跟着是python版本这个也要下载相应版本，而torch的版本通过表二进行选择.

三、步骤2： CUDA与CUDNN的安装与环境配置

想要在GPU上运行torch还需要这两个部分的下载与系统环境变量的配置.

3.1 CUDA下载安装和配置

我们需要选择与驱动cudatoolkit相同的cuda，一般而言我们需要驱动大于cuda的版本，否则在安装的过程中则需要覆盖这个驱动.
CUDA下载地址:
https://developer.nvidia.com/cuda-toolkit-archive

选择版本

选择离线下载后，解压后打开exe文件进行安装，以下是安装过程：

1. 选择自定义安装，可以选择安装驱动，覆盖本机的驱动
   2.不要选Visual Studio Integration，即使选了也不能成功安装
   3.其余配置
   
   4.记住这些安装位置，我们需要在电脑环境变量中添加这些路径
   
   安装完成后配置环境，Path需要手动添加如下路径，对应上一步的安装路径
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64

一般是这三个路径我们需要添加到电脑的环境变量中，注意版本号10.2

打开命令窗口cmd，输入验证命令nvcc -V 便可以得知cuda是否安装成功

3.2 安装CUDNN

我们需要注意CUDNN的版本与CUDA兼容，通过以下链接下载相应的CUDNN
https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
CUDNN下载地址

我们选择v8.0.4，将下载的cudnn文件解压，复制以下三个的文件夹里面文件的内容到cuda相应的安装目录即可
bin
include
lib\x64

CUDNN安装成功.

四、验证torch安装和是否能使用GPU

import torch
print(torch.cuda.is_available())
#返回True即认为torch可以使用GPU

完结