配置CUDA和cuDNN、安装PyTorch

1.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
  

2.选择你需要的CUDA版本

• 查看最高可以选择的CUDA版本
• 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 ≤ 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）

3.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 ≤ GPU算力(8.6) 但又不能跨版本即需 ≥ 8.0
• 那么10.x系列CUDA就不满足

我们需要的CUDA版本应 ≥ v11.0

4.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）
• 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。
  

5.配置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
  

6.安装CUDA

这部分按部就班（记住安装路径，后面要用到）

7.检查CUDA是否安装成功

1. 进入cmd

nvcc -V

2. 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
     

8.配置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
    

9.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

10.安装PyTorch

• 找到可用的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

11.pip安装PyTorch

• 进入需要安装PyTorch的虚拟环境，或者创建新的虚拟环境

conda create -n mypytorch python=3.7

• 激活环境（环境名字是 mypytorch ）

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 torch1.9.0+cu111 torchvision0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

最后：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

————————————————
版权声明：本文为CSDN博主「zoxiii」的原创文章，遵循CC 4.0 BY-SA版权协议。
原文链接：第五步：RTX 3060配置CUDA和cuDNN、安装PyTorch