GTX1050+cuda9.0+cuDNN+pytorch+anaconda环境搭建

1.硬件和cuda选择

  配置的环境要用到GPU版本的Pytorch，所以要先根据自己的硬件配置选择对应的软件。具体看英伟达的官网。
  我的电脑是笔记本，GPU是GTX1050，电脑的NVIDIA控制面板cuda 9.0.176。
参考文档:
win10系统查看CUDA版本号
PyTorch学习一 —— Win10环境下安装 NVIDIA Cuda9.0 + 多环境Anaconda3-5.2.0 + PyTorch 0.4.1 GPU版本 + PyCharm环境配置

配置：
GTX1050 +cuda9.0+cuDNN
python3.6.2+

cuda工具包和cuDNN下载

所有工具都是在英伟达的官网

cuda工具包：cuda-toolkit
cuDNN：cuDNN下载
注意：官网默认是最新版本，找不到对应的版本，去找历史版本。cuda和cuDNN版本一定要对照！！！

cuda安装

直接安装就行了，我安装的C盘，免去很多麻烦，找文件也方便，我的C盘是SSD的，速度可能快一点。

cuDNN安装

下载好的cuDNN是一个安装包，解压。里面有三个文件夹：
bin
include
lib
复制这三个文件夹到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0就行了。直接复制，文件夹不冲突的。

2.Pytorch安装–Anaconda

所有的pytorch资料和软件都可以在pytorch官网找到。
软件版本 Python：3.6

conda创建环境

也可以用Anaconda图形界面。我用的是命令行
打开anaconda prompt，首先创建虚拟环境：

#查看已经有的环境
conda env list
#创建新环境 默认安装了python3.6.2
conda create --name pytorch-gpu python=3.6
#激活环境
conda activate pytorch-gpu
#To deactivate an active environment, use
conda deactivate

创建环境的时候很慢，而且出错。看这个博客：解决的

conda 通过.whl文件安装pytorch

因为我的cuda9.0在pytorch官网没有找到对应的gpu版本，所以找了一个python3.6版本的支持cuda9.0的:torch-0.4.1-cp36-cp36m-win_amd64.whl（cp36–表示python3.6版本的，win_amd64–表示window64系统）

#打开anaconda prompt
pip install 路径\torch-0.4.1-cp36-cp36m-win_amd64.whl
#输出：Successfully installed torch-0.4.1 安装成功
#查看是否安装pytorch成功 命令行输入python打开python
import torch

发现出错：ImportError: numpy.core.multiarray failed to import
原因是没有安装numpy，网速慢的话也可以用.whl文件来安装

#安装numpy
pip install numpy   

再次检测pytorch

import torch
torch.rand(3)  #输出tensor([0.6056, 0.9109, 0.4660])

检测GPU的pytorch安装成功

import torch
flag = torch.cuda.is_available()
print(flag)

ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda()) 

True
cuda:0
GeForce GTX 1050
tensor([[0.8463, 0.0371, 0.2277],
        [0.3572, 0.1563, 0.5236],
        [0.6095, 0.3249, 0.9857]], device='cuda:0')

3.安装需要的软件（Anaconda）

安装spyder

打开anaconda prompt，首先打开对应的虚拟环境：

activate pytorch-gpu      #激活环境
conda install spyder      #安装软件
spyder                    #启动
#升级
conda update spyder

好了，可以愉快的开始神经网络的学习了