Win10+Pycharm+Anaconda+CUDA11.1+cuDNN+pytorch

安装配置

系统： Windows10
显卡： GTX1080Ti
VisualStudio： 2019
Python： 3.7.3
CUDA： 11.1
cuDNN： 8.1.1

Anaconda

首先在官网上下载Anaconda
Anaconda安装基本是一路next就行，其中有两个地方需要注意。

1. 选择Just Me
   

2. Add Anaconda to my PATH environment variable。
   

3. 一路next之后就要等安装，过程比较慢。
   

4. 安装到最后，会让选择是否安装VSCode。如果之前电脑上没装VS而且之前没装过这个，就要装一下。社区版是免费的
   勾选通用Windows平台开发、使用C++的桌面开发、Python开发、Visual Studio 扩展开发

Pycharm

下载Pycharm，默认安装

CUDA

查看当前显卡信息

1. j进入NVIDIA控制面板，单击界面左下角的系统信息。
   

2. 可在显示和组件两个选项卡中查看显卡信息。
   

3. 查看驱动与CUDA对应表我的显卡驱动版本是456.71，所以我装的是CUDA 11.1.0
   

4. 配置环境变量
   电脑-》属性-》高级系统设置-》环境变量
   在系统变量里多了这两项
   
   但是这还不够，我们还需要再添加五个系统变量（根据实际安装版本和路径添加，一样版本和默认路径的可直接复制粘贴）前面是变量名字后面是路径：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1
 
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

在系统变量Path里添加变量，双击Path添加如下变量（同样根据实际路径填）

%CUDA_LIB_PATH%
 
%CUDA_BIN_PATH%
 
%CUDA_SDK_LIB_PATH%
 
%CUDA_SDK_BIN_PATH%
 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64
 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin 
 
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1\common\lib\x64
 
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1\bin\win64

5. 检查是否成功
   在cmd中，切换到这个目录下执行两个exe

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite

分别 运行

bandwidthTest.exe
deviceQuery.exe

如果得到两个PASS就证明成功了，如图：

配置CUDNN

1. 下载cuDNN8.1.1，只要是for CUDA 11.1的都行
   将cuDNN里面的全部内容复制到目录[C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1]下
   

安装Pytorch

到pytorch官网根据自己的情况进行选择：https://pytorch.org/

其中要选conda, CUDA版本的选择会要求电脑英伟达显卡驱动版本必须大于某个值，具体自行查。

将最下面的一行复制下来（末尾的 -c pytorch 不要复制，否则下载的源会默认是pytorch官方源，速度贼慢），我的是：

pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

验证

在(pytorch) C:\Users\29530>后输入：python 回车 进入python环境，而后再输入import torch回车无异常表示pytorch安装成功， 然后输入： torch.cuda.is_available()，若返回 true,表示该pytorch可以使用GPU。

参考文献
https://blog.csdn.net/clksjx/article/details/83626500
https://www.freesion.com/article/964244448/
https://blog.csdn.net/weixin_42101177/article/details/113512010
pytorch