pytorch深度学习环境配置（GPU3070）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

拯救者R9000P，NVIDIA3070显卡

---

一、Anaconda的安装

官网：https://www.anaconda.com/products/distribution

下载最新版的就行，安装时一路next
在这里可以选择换至其他盘，以后建虚拟环境时都会在这个盘内，根据个人电脑内存决定吧，换盘时安装路径不能有中文和空格存在

建议不勾选第一项，未勾选的话后续进行环境变量的配置不会出现问题。勾选的话也只是多一个在cmd命令窗口使用conda、jupyter、ipython等命令影响不大。

二、CUDA安装

1.查看显卡

可以在计算机-管理-设备管理器-显示适配器中，查看是否有独立显卡

在通知区域打开NVIDIA控制面板，点击 帮助——系统信息——组件，查看自己电脑支持的cuda版本

高版本的CUDA可以兼容低版本的CUDA

2.安装并配置CUDA

在下载CUDA前，我先前往pytorch官网：https://pytorch.org/，正好显示有与CUDA11.3相兼容的pytorch（如果没有可以点下面的Previous versions of PyTorch进去选对应版本）

我下载的是CUDA11.3.0版
百度网盘链接：https://pan.baidu.com/s/16RzizBy8y4jMWMczgVSsXw
提取码：s6zm

win11系统与win10系统内核相同，所以选win10也可正常运行

安装CUDA：双击执行下载的exe文件，会先解压文件到临时目录（不是安装目录），保持默认即可


这里取消勾选VSI

这三个地址十分重要，后续我们将进行环境变量的配置，不要改变路径。

之后等待安装完成即可。

3.配置CUDA环境变量

首先右键我的电脑-属性-高级系统设置-环境变量

系统变量-Path-编辑
新建以下五个路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\common\lib\x64

4.验证一下CUDA是否成功，按win+R 输入cmd

输入：

nvcc -V

安装成功11.3版本

三、cuDNN安装

https://developer.nvidia.com/rdp/cudnn-download
这里选11.x版本就行

下载之后，解压缩，将CUDNN文件夹中的各自的bin、clude、lib文件夹中的内容，直接复制添加到CUDA的刚刚安装目录的对应相同名字的文件夹下。

四、pytorch安装

这里版本选择在CUDA里讲了就不重复了
打开Anaconda,点击Environments

点击左下角create新建虚拟环境

名字随意最好全英文，python版本选3.7（目前来说最稳定，库也很全的版本）
之后点Create后等30秒左右

创建完成后打开命令窗执行下面命令（如果以后你需要换虚拟环境跑其他程序，重复上面步骤即可）

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

等待下载完成即安装完成

五、测试pytorch CUDA是否可用

如果未关闭命令窗则直接输入python，如果已关闭，再执行一次四的最后一步打开对应环境的命令窗后输入python

依次输入

import torch
print(torch.__version__)
print(torch.cuda.is_available())#cuda是否可用
torch.cuda.device_count()#返回GPU的数量
torch.cuda.get_device_name(0)#返回gpu名字，设备索引默认从0开始

结果如下证明安装成功

---

总结

根据尘世猫攻略进行的新环境配置，全程安装加下载差不多两个小时左右