win10+1050显卡+cuda9.0+cudnn7.6.5+pytorch1.1.0+py3.7(conda)安装+jupyter运行+pycharm运行（conda环境）

因为想要在本地笔记本安装pytorch来支持一些深度学习小程序的运行，所以在本地安装一下cudad和cudnn，并安装对应版本的python和pytorch。

笔者笔记本的显卡是GTX1050，亲测py3.7+cuda9.0+cudnn7.5+pytorch1.1.0可用

参考网址

csdn文章添加目录
win10+GTX1050+CUDA9.0+cudnn7.6
GTX1050+cuda9.0+cuDNN+pytorch+anaconda环境搭建
Windows 安装 CUDA/cuDNN
win10系统如何查看cuda版本？

安装cuda9.0

检查GPU显卡支持的cuda版本

linux下查看cuda版本

nvidia-smi

但我们是windows版本。

windows版本下查看NVIDIA控制面板

首先我们要打开NVIDIA控制面板来查看GPU显卡支持的cuda版本，安装对应版本的cuda 。

打开方法一：
桌面鼠标右键，选择NVIDIA控制面板。

打开方法二:
打开控制面板，将查看方式从类别改为小图标，然后打开NVIDIA控制面板

在NVIDIA控制面板点击系统信息，查看驱动程序版本

我们的驱动程序版本是: 385.54

点击cuda toolkit document网址，查看cuda与驱动版本的对应关系，发现我们应该安装cuda9.0

CUDA Toolkit	Linux x86_64 Driver Version	**Windows x86_64 Driver Version **
CUDA 11.6 Update 2	>=510.47.03	>=511.65
CUDA 11.6 Update 1	>=510.47.03	>=511.65
CUDA 11.6 GA	>=510.39.01	>=511.23
CUDA 11.5 Update 2	>=495.29.05	>=496.13
CUDA 11.5 Update 1	>=495.29.05	>=496.13
CUDA 11.5 GA	>=495.29.05	>=496.04
CUDA 11.4 Update 4	>=470.82.01	>=472.50
CUDA 11.4 Update 3	>=470.82.01	>=472.50
CUDA 11.4 Update 2	>=470.57.02	>=471.41
CUDA 11.4 Update 1	>=470.57.02	>=471.41
CUDA 11.4.0 GA	>=470.42.01	>=471.11
CUDA 11.3.1 Update 1	>=465.19.01	>=465.89
CUDA 11.3.0 GA	>=465.19.01	>=465.89
CUDA 11.2.2 Update 2	>=460.32.03	>=461.33
CUDA 11.2.1 Update 1	>=460.32.03	>=461.09
CUDA 11.2.0 GA	>=460.27.03	>=460.82
CUDA 11.1.1 Update 1	>=455.32	>=456.81
CUDA 11.1 GA	>=455.23	>=456.38
CUDA 11.0.1 RC	>= 450.36.06	>= 451.22
CUDA 10.2.89	>= 440.33	>= 441.22
CUDA 10.1 (10.1.105 general release, and updates)	>= 418.39	>= 418.96
CUDA 10.0.130	>= 410.48	>= 411.31
CUDA 9.2 (9.2.148 Update 1)	>= 396.37	>= 398.26
CUDA 9.2 (9.2.88)	>= 396.26	>= 397.44
CUDA 9.1 (9.1.85)	>= 390.46	>= 391.29
CUDA 9.0 (9.0.76)	>= 384.81	>= 385.54
CUDA 8.0 (8.0.61 GA2)	>= 375.26	>= 376.51
CUDA 8.0 (8.0.44)	>= 367.48	>= 369.30
CUDA 7.5 (7.5.16)	>= 352.31	>= 353.66
CUDA 7.0 (7.0.28)	>= 346.46	>= 347.62

下载并安装cuda 9.0

点击进入CUDA Toolkit Archive网址，下载其中的cuda9.0版本

点击这里的同意并继续

这里选择自定义安装

在组件里取消visual studio integration再安装（我不用vs做深度学习的，安装这个组件，如果c++配置不对还有可能报错，所以我就取消了）

我的安装位置都选择在了D盘(其实我应该直接在D盘的根目录下新建一个CUDA文件夹，全安装到这个文件夹里的，还好找)

安装成功

修改环境变量

参考这个网址，打开环境变量设置页面
win10系统环境变量怎么设置

我们安装完以后，系统变量以后应该已经有NVCUDASAMPLES_ROOT变量和NVCUDASAMPLES9_0_ROOT两个变量了，我们主要查看Path里面有没有对应的变量。双击进入path

双击进入Path，在系统变量Path中检查：以下四条环境变量是否添加（以答主本机为例，自查时请将D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0替换为自己的安装路径）

1. D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
2. D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
3. D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
4. D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
   
   之后我们可以在终端里验证一下是否成功安装cuda(运行->cmd->打开终端)
   输入nvcc --version后点击回车，有这些提示就代表cuda安装成功了
   

安装cudnn7.6

查看与cuda对应的cudnn版本

点击进入cuDNN Archive官网，可以看到与cuda9.0对应的cudnn版本是7.6版本的。我们这里安装的cudnn版本是7.6.5

注册NVIDIA账号

笔者是win10版本的电脑，所以选择win10版本的cudnn

点击下载，提示没有会员资格，所以我们先注册以下NVIDIA账号

键入自己的邮箱

点击登陆帮助

之后点击创建账户，进行创建

创建完账户以后，再回到之前的链接下载cudnn7.6.5

下载cudnn并解压到cuda目录

将我们下载的cudnn压缩包解压，可以看到这三个文件夹

直接将这三个文件夹复制到之前安装的cuda文件夹里即可。(直接粘贴进来，不冲突的)

至此，cudnn安装成功

安装pytorch1.1.0

创建新的虚拟环境

安装anaconda，并利用conda配置一个新的虚拟环境并激活
conda create -n torch_gpu python=3.7
conda activate torch_gpu

安装pytorch

点击进入pytorch官网，可以看到，默认的commands里没有我们要选择的cuda9.0，所以我们点击下面的Previous versions of PyTorch按钮

在点击按钮跳转的这个页面里，找到和cuda9.0符合的pytorch版本

之后在我们的conda环境里输入:conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c pytorch即可安装

检验pytorch是否成功安装

我是在conda环境中，先退回base环境，再重新激活pytorch环境，然后验证成功的。
在pytorch环境中输入python进入python环境，然后运行以下代码检测是否成功安装pytorch

import torch
torch.rand(3)  #输出tensor([0.6056, 0.9109, 0.4660])
print(torch.cuda.is_available())
print(torch.cuda.device_count())
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())

使用jupyter运行pytorch

如果我们直接使用conda里自带的jupyter，打开以后写ipynb的过程中，import torch会报错:No module named ‘torch‘

这实际上是因为我们运行的jupyter，本质上还是运行的base环境下的jupyter(虽然我们是在pytorch环境下调用的)

解决方法一:在pytorch环境再安装一遍jupyter

在我们安装并已经激活的pytorch环境下，再运行以下代码，重新进入jupyter notebook即可：

conda install ipython
conda install jupyter

参考网址:关于 Jupyter Notebook 中 No module named ‘torch‘ 的解决办法

解决方法二:base环境也安装一遍torch

Jupyter Notebook 中 No module named ‘torch‘ 的解决办法

使用pycharm和conda运行pytorch

如果我们想在pycharm中用已经安装好的pytorch环境，可以这样做:

1. 在pycharm中新建一个项目
2. 点击File->Setting ，打开环境界面
   
3. • 点击进入项目的Python Interpreter界面
   • 点击右上角的设置按钮(齿轮)
   • 点击Add
     
4. • 点击Conda Environment
   • 选择Existing Environment(因为我们的conda已经创建过这个环境了)
   • 之后那两行我们都引导到我们创建的conda环境文件里(python.exe和conda.exe)
   • 点击确认
5. 之后我们能看到环境已经变为自己的pytorch环境了，并且可以运行pytorch的各种包了。