windows10+pytorch+cuda11.3+cudnn8.2.1环境搭配

本人用的联想拯救者R7000p，系统是win10 64位 显卡是3050Ti laptop

目录

1、Anaconda安装

2、python安装

3、pycharm安装

4、Anaconda的虚拟环境python3.6安装

5、anaconda虚拟环境里的opencv安装

 6、CUDA安装

 7、cuDNN下载

8、pip安装用镜像源

9、Pytorch安装

---

1、Anaconda安装

进入官网Anaconda | The World's Most Popular Data Science Platform

选择windows-64位 下载510mb的安装包

管理员打开安装包 ，一路next，all users，到选环境变量的时候选中第一个（add path……）

保存在G盘 最后俩选项都不勾选

输入

conda -V

2、python安装

先安装python！

不然pycharm会自动给你安装python 到时候不方便找 更改路径

python去官网下载3.9.7版本 安装的时候选自定义路径 这里安装在D:/python3.9.7文件夹中

windows不要安装在默认C盘 不然每次下载库都要调用管理员权限特别麻烦 建议修改路径！

3、pycharm安装

首页PyCharm: the Python IDE for Professional Developers by JetBrains

下载community版本的（专业版可以免费但是申请很麻烦。。）

安装在G/pyCharm里

pycharm里的python3.9.7环境在D:/python397_pycharm里

4、Anaconda的虚拟环境python3.6安装

安装了python3.6.15

环境名称叫py36

可以在cmd使用下面代码来激活py36这个环境

conda activate py36

5、anaconda虚拟环境里的opencv安装

在conda里安装了opencv 4.5.3

 6、CUDA安装

参考文章RTX3050ti、3060等系列显卡正确安装cuda、cudnn,配置Pytorch深度学习环境（避免由于版本不适应导致重装）_YAMT-WYHBN的博客-CSDN博客_rtx3050支持cuda吗

右键桌面空白处—>NVIDIA 控制面板—>帮助—>系统信息

可以看到我的显卡 

支持的是CUDA 11.6.110

当然也可以cmd终端输入nvidia-smi查看

Release Notes :: CUDA Toolkit Documentation

上面网站中可以看到实际上我的显卡可以下载11.6的版本，但是因为pytorch的原因，还是下载11.3的版本。

CUDA Toolkit Archive | NVIDIA Developer

进入选择版本

 注意点左边的CUDA 别点右边的绿色是帮助文档。。

exe(network)为联网安装版本，exe[local]为离线安装版本。建议使用离线版本(exe[local])。

下载，然后管理员打开安装包

不太建议该路径，建议默认路径(跟python还是有区别的) 

 一路同意，直到这里选择自定义

在CUDA中取消勾选Visual Studio Integration，这是VS的插件，容易导致安装失败，我因为用pycharm所以就不勾选了

 后面两个选项都取消，因为这些驱动我都有更高的。

 之后全都默认，安装目录都默认 无所谓

安装结束 

打开cmd输入

nvcc -V

输入

 7、cuDNN下载

这里读者会有疑问，cudnn是什么？为什么装了cuda了还要再装cudnn？

为了解释上述两个问题，我们需要重新梳理一下我们使用Pytorch的最终目标是什么？毫无疑问，我们是用它来进行深度学习训练和推理，深度学习本质上就是训练深度卷积神经网络。尽管我们已经可以用cuda使得显卡来完成并行计算任务，但是所有的操作还是比较底层的、复杂的。是否在cuda之上有一个专门用于深度神经网络的SDK库来加速完成相关特定的深度学习操作，答案就是cudnn。

NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如caffe、tensorflow、pytorch、mxnet等。cudnn简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是调整性能，同时还可以在GPU上实现高性能现代并行计算。cudnn官网下载地址：https://developer.nvidia.com/cudnn，这里需要注册账号并填写相关个人信息，然后进才可以进入真正的下载页面，

按照提示一步步操作即可。最终下载如图所示版本：

我们是CUDA11.3的 所以用下面横线这个 

 下载来是一个压缩包，我们把他放在CUDA安装目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

里面，解压发现是一个cuda文件夹，里面有lib include bin文件夹，我们把cuda里面的三个文件夹的内容分别移到CUDA安装目录里对应的同名文件夹里面。其中include和bin文件夹可以直接移动，lib文件夹内容要移动到lib\x64目录下

然后复制到CUDA的安装路径即可，我的是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6（注意！不是覆盖，是添加进去对应的文件夹里面去）

最后，配置下系统环境即可：
右键【此电脑】又名计算机—【属性】—【高级系统设置】-【环境变量】-下半部分【系统变量】里找到【Path】，双击打开（或者点编辑）

8、pip安装用镜像源

conda换源网上有很多教程，随便搜一个就行。

 在使用pip的时候加参数-i https://pypi.tuna.tsinghua.edu.cn/simple
例如：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyspider，这样就会从清华这边的镜像去安装pyspider库。

也可以用设置默认值一劳永逸

国内镜像源

清华：https://pypi.tuna.tsinghua.edu.cn/simple

阿里云：http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

华中理工大学：http://pypi.hustunique.com/

山东理工大学：http://pypi.sdutlinux.org/ 

豆瓣：http://pypi.douban.com/simple/

9、Pytorch安装

conda 和pip都能安装pytorch

直接用官方源下载的话很慢，基本上在国内没法下。

但是pip镜像源安装的torch默认是CPU版本，不是GPU版本。意思就是说清华源里只有CPU版本的pytorch，没有GPU的。这点很坑，当然下载的时候看见pytorch只有几百MB也显而易见（正常应该几G）

因此建议网上下载包后，输入命令

pip install 文件名         

来安装。（用Ctrl+F搜索对应的pytorch安装包）

Pytorch下载地址https://download.pytorch.org/whl/torch_stable.html具体安装方法可以参考下面知乎链接

记录一下安装Pytorch和cuda的踩坑经历 - 知乎