第五步：RTX 3060配置CUDA和cuDNN、安装PyTorch
win11，NVIDIA GeForce RTX 3060
python 3.7，CUDAv11.1.1，PyTorch 1.9.0
author：zoxiii
PyCharm配置CUDA和cuDNN
- 0、前提
-
- 0.1、安装Anaconda和PyCharm
- 0.2、更新NVIDIA显卡驱动到最新
- 0.3、选择你需要的CUDA版本
-
- 0.3.1、 查看最高可以选择的CUDA版本
- 0.3.2、 支持你的GPU算力
- 0.3.3、 支持你的PyTorch版本
- 1、配置CUDA
-
- 1.1、下载对应版本CUDA
- 1.2、安装CUDA
- 2、配置cuDNN
-
- 2.1、下载cuDNN
- 2.2、安装cuDNN
- 3、安装PyTorch
-
- 3.1、找可用的PyTorch版本
- 3.2、pip安装PyTorch
- 3.3、本地安装PyTorch
- 3.4、验证是否成功
本篇博客涉及安装包❤️提取码9492
前提最好仔细看，看了不一定有用，但不看一定没用！
有问题随时欢迎指正
0、前提
0.1、安装Anaconda和PyCharm
- 安装软件Anaconda教程
- 官网下载安装PyCharm专业版
- 学生邮箱注册账号免费使用PyCharm专业版
- 无学生邮箱可以下载Community社区版使用
0.2、更新NVIDIA显卡驱动到最新
进入计算机管理，按图示步骤更新。
- 计算机管理→设备管理器→显示适配器→更新驱动
- 更新成功
0.3、选择你需要的CUDA版本
0.3.1、 查看最高可以选择的CUDA版本
- 方法一：进入
cmd中查看（Win + R + 输入cmd+ Enter）
nvidia-smi
- 方法二：桌面→右键→NVIDIA控制面板→系统信息→组件→CUDA
我们需要的CUDA版本应 ≤ \le ≤ v11.6
一般不建议直接安装最高版本的CUDA，因为如果后续使用PyTorch或TensorFlow，95%的情况下是不兼容的（咱就是说稳定的总比最新的好）
0.3.2、 支持你的GPU算力
- GPU算力查询地址
我的GPU为NVIDIA GeForce RTX 3060
- CUDA各版本支持算力
- CUDA支持算力需 ≤ \le ≤ GPU算力(
8.6) 但又不能跨版本即需 ≥ \ge ≥8.0 - 那么10.x系列CUDA就不满足
我们需要的CUDA版本应 ≥ \ge ≥ v11.0
0.3.3、 支持你的PyTorch版本
- PyTorch官网
在这里可以看到可通过conda或者pip命令来安装PyTorch踩雷：我在使用conda命令安装CUDAv11.3对应的PyTorch时候会安装成仅cpu可用的PyTorch（不知何原因），conda安装好像会自动匹配库最新的版本，所以最好是确定好你想要的cudatoolkit以及pytorch的版本最好。- 使用pip安装Wheel文件可以一定程度避免出错，还可在PyTorch的Wheel文件地址下载你需要的特定的PyTorch版本后本地安装（wheel文件是python的一种生成包格式文件,像一种特定的zip文件）
- 根据【0.3.1】和【0.3.2】我们需要的CUDA版本应在 [v11.0, v11.6] 范围，我这里选择的是 CUDAv11.1，如下图所示，可直接复制官网的命令（一般官网给出的是经过测试的构建配置）
- 如果你还有TensorFlow的安装需求的话，也可在Build from source on Windows | TensorFlow 查看版本对应关系。
1、配置CUDA
1.1、下载对应版本CUDA
- cuda各版本下载地址
- cuda官方手册
- 这里选择版本为：
CUDA Toolkit 11.1.1
（虽然这里没有windows11版本的，但按理来说应该不影响）
1.2、安装CUDA
- 选择一个目录来安装临时文件
- 安装完成后该目录会自动被删除
2. 阅读协议，同意并继续
3. 自定义安装
- 自定义安装组件
- 选择安装位置
D:\Program Files\NVIDIA CUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.1
D:\Program Files\NVIDIA CUDA\NVIDIA Corporation\CUDA Samples\v11.1
- 下载安装中
- 下载完成，下一步
- 安装结束
- 检查是否安装成功
（1） 进入cmd
nvcc -V
（2） 进入Windows PowerShell
cd D:
cd \"Program Files"\"NVIDIA CUDA"\"NVIDIA GPU Computing Toolkit"\CUDA\v11.1\extras\demo_suite
# 有空格的路径需要加双引号哦~
./bandwidthTest.exe
./deviceQuery.exe
（3）觉得不保险，还可以去看一下环境变量有没有
控制面板→→编辑系统环境变量→→环境变量
2、配置cuDNN
2.1、下载cuDNN
- cuDNN下载地址
- 选择适合的版本
- 需要注意CUDA和cuDNN的版本对应关系
- 一般需要注册登录了才能下载
2.2、安装cuDNN
解压后,将cudnn目录下的文件对应放在cuda目录，即D:\Program Files\NVIDIA CUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.1目录下的三个对应文件夹下
- bin
- include
- lib
3、安装PyTorch
3.1、找可用的PyTorch版本
- PyTorch官网
- PyTorch，torchvision与Python版本对应关系
- 本来想安装1.10.0版本的torch，但是在执行中发现torchvision对应的0.11.1版本wheel文件不存在
- 所以选择了1.9.0版本的torch
3.2、pip安装PyTorch
- 参考如何创建Anaconda虚拟环境
- 进入
Anaconda Prompt
创建环境，环境名为mypytorch，可自己改想要的名称，也可以选择3.8版本的python
conda create -n mypytorch python=3.7
激活环境
conda activate mypytorch
安装cudatoolkit，目前最新的版本为11.3.1
conda install cudatoolkit
安装PyTorch
pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
网速不好的话可以选择下载wheel文件本地安装或者挂，转【3.3】
3.3、本地安装PyTorch
- 下载whl文件到
C:\Users\mysel目录下（安装完后可删除，也可留着之后配置别的虚拟环境）- torch==1.9.0+cu111
- torchvision==0.10.0+cu111
- torchaudio==0.9.0
- cp37表示我的虚拟环境python版本为3.7
- win_amd64表示是windows版本的
- 进入
Anaconda Prompt进行安装（注意先进入你的虚拟环境中）
conda activate 你的虚拟环境名称
## 按顺序安装，不然可能安装torchvision的时候给你安装了cpu版本的torch
pip install torch-1.9.0+cu111-cp37-cp37m-win_amd64.whl
pip install torchvision-0.10.0+cu111-cp37-cp37m-win_amd64.whl
pip install torchaudio-0.9.0-cp37-cp37m-win_amd64.whl
3.4、验证是否成功
(mypytorch) C:\Users\mysel>python
......................................
>>> import torch
>>> torch.__version__
>>> torch.cuda.is_available() ## 一定要输出True才是成功
## 验证后可退出python，继续安装别的库
>>> exit()
- 接下来就可以打开一个使用pytorch的深度学习项目跑一下测试了，当然还是会继续遇到一些新的问题，慢慢解决吧！