win10系统下cuda和cudnn的安装

1. 安装环境

1. 系统环境：win10
2. 虚拟环境：anaconda3
3. 语言：python
4. tensorflow2.2.0 或者 pytorch1.5.1

2. 步骤

如果电脑上什么环境都没有安装，需要遵循五步。
第一，安装anaconda3环境，提供python版本管理和包管理工具，能够创造一个单独的虚拟环境。
第二，更新GPU驱动，驱动可以通过自动更新也可以通过手动更新，但一般手动更新才能够更新到最新的版本中。一般无论高低版本的GPU，都能够得到一个版本号较高的驱动，所以一般都能够使用最新的CUDA。
第三，根据GPU驱动安装CUDA。CUDA版本和GPU驱动相关与tensorflow/pytorch版本相关。如果是较早的GPU驱动，则不能够安装最新的CUDA版本。如果是较早的tensorflow/pytorch版本，也不能够使用最新的CUDA版本。一般CUDA安装好后，会自动的在系统变量中添加变量，无需手动添加。
第四，根据CUDA安装cudnn。cudnn只是几个文件夹，只需要将文件夹中的文件复制到CUDA中名称相同的文件夹下即可。此步无需添加任何环境变量。
第五，在anaconda3中安装tensorflow/pytorch的GPU版本，进行测试即可使用。

2.1 安装anaconda3

2.2 安装cuda

2.2.1 查看GPU版本和CUDA版本

1. 我的电脑->属性->控制面板->硬件和声音->NVIDIA控制面板
   

2. 帮助中的系统信息
   

3. 显示查看驱动版本
   

4. 组件查看CUDA版本
   
   这个版本是目前驱动下，能够运行的版本。只要将GPU驱动升级，此处就会发生变化。

2.2.2 更新GPU驱动版本

[1] 电脑右键属性->设备管理器->显示适配器->找到显卡->右键更新

[2] NVIDIA GPU驱动网站：https://www.nvidia.cn/Download/index.aspx?lang=cn

查看CUDA版本和显卡驱动之间的关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#major-components__table-cuda-toolkit-driver-versions

GPU计算能力:https://developer.nvidia.com/cuda-gpus

2.2.3 下载CUDA

cuda官网:https://developer.nvidia.com/cuda-toolkit
选择版本网站:https://developer.nvidia.com/cuda-toolkit-archive

2.2.4 环境变量

在安装cuda后，回自动在PATH中添加以下两个变量，如果没有添加，则在PATH中添加如下两个变量：
[1] C:\Program Files\Nvidia GPU Computing Toolkit\CUDA\v10.2\bin
[2] C:\Program Files\Nvidia GPU Computing Toolkit\CUDA\v10.2\libnvvp
还有两个系统变量：
CUDA_PATH：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
CUDA_PATH_V10_2：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
如果系统已经有一个CUDA了，那么系统会自动添加新版本的CUDA变量，而不会删去旧版本的CUDA。只有CUDA_PATH会发生变化，不再指向旧版本的CUDA。

3. 安装cudnn

cudnn版本仅和cuda版本有关
cudnn网站:https://developer.nvidia.com/rdp/form/cudnn-download-survey
网站需要注册，使用邮箱和密码即可。
只需要将cudnn文件夹中的文件复制到cuda中相同名称下的文件夹中。

检查是否成功

tensorflow

tensorflow需要用命令行下载：

pip install tensorflow-gpu==2.2.0 -i https://pypi.douban.com/simple

import tensorflow as tf
tf.__version__
tf.test.is_gpu_available()

第一次运行可能会比较缓慢，需要耐心等待，之后运行就会变快。

pytorch

pytorch官网:https://pytorch.org/ 官网内有下载链接

import torch
torch.__version__
torch.cuda.is_available()
torch.cuda.get_available_name()
torch.version.cuda