最全的科学环境配置，CUDA，CUDNN，PyTorch的安装，win10

科学环境的安装

1. 检查自己的NVIDA驱动版本

NVIDA驱动版本也决定了目前可以安装的CUDA的版本的上限，这个也是根据自己想要安装的PyTorch版本来 决定的，下面列出目前最新的一些NVIDA驱动版本、CUDA版本、以及PyTorch-GPU版本的对应情况，自行进行选择。

(1) 首先检查自己的NVIDA驱动版本

通过组件也可查询目前可预装的最高的版本的CUDA。

• 通过确定PyTorch的预装版本来确定--->预装的CUDA版本确定---->预装的NVIDA版本

PyTorch的版本还可以根据官网previous-version进行自行筛选，这里只提供部分筛选情况。

CUDAToolkit版本	可用PyTorch版本
7.5	0.4.1 ，0.3.0， 0.2.0，0.1.12-0.1.6
8.0	1.1.0，1.0.0 ，0.4.1
9.0	1.1.0，1.0.1, 1.0.0，0.4.1
9.2	1.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0，1.2.0，0.4.1
10.0	1.2.0，1.1.0，1.0.1 ,1.0.0
10.1	1.7.1，1.7.0，1.6.0，1.5.1，1.5.0， 1.4.0，1.3.0
10.2	1.9.0，1.8.0 ，1.7.1，1.7.0，1.6.0，1.5.1，1.5.0
11.0	1.7.1，1.7.0
11.1	1.9.0，1.8.0

(2)下载NVIDA驱动

NVIDA驱动下载，根据自己的笔记本配置需求进行下载(Tips: 不需要下载最新的驱动)，傻瓜式安装就可以。

2. 安装CUDA以及CUDNN（这里预装CUDA10.2与CUDNN7.6.5，截止2021.8.10, 10.2版本应该是较稳定的）

（1） 卸载原有版本的CUDA(10.0)以及CUDNN

除了蓝框中的不需要卸载，其他全部卸载。

（2）下载新版本的CUDA10.2以及CUDNN7.6.5

• CUDA Download

• CUDNN Download 需要注册

• 或者网盘下载链接 提取码：de7y

(3)安装、配置环境变量

• 双击CUDA程序，首先会选择一个安装的临时目录，用来存放首先解压的安装文件，这个默认或者新建一个空的文件夹即可。

• 使用自定义安装

  

• 

 

 

如果要安装VIisual Studio Integration，则需要安装 Visual Studio，可以选择安装或者可以取消勾选Visual Studio Integration（这里解释一下，这个模块是对VS编译的支持，没有安装VS无法征常工作，而需要VS辅助则是需要编译cuda程序，这种编译不建议在Windows下进行，一般Windows下能跑深度学习原生框架的代码就行）

在这里如果需要Visual Studio的支持，在这里，以VS2017为例，因为VS的安装势必会带来C盘的大幅度占用，所以这里使用创建软连接的方法。

• 运行一下vs_community.exe，等弹出安装选择界面后关闭。关闭后，会在C:\ProgramData\Microsoft\VisualStudio 下创建一个Packages，然后，把这个Packages文件夹删掉。

• 以管理员身份打开命令提示符，运行 mklink /D C:\ProgramData\Microsoft\VisualStudio\Packages D:\vs2017offline命令。D:\vs2017offline 是你下载以及更新后续packages的文件夹的位置。

• 打开之前安装了一个 Visual Studio Installer（会在你打开vs_community.exe之后安装） ，打开这个软件，就可以安装自己想要的功能了。安装时所有需要的组件都会下载到指定目录，并且不会占用C盘的空间

  

• 将这个三个文件夹放到一起，方便日后查找。

  

• 将CUDNN解压后复制到D:\CUDA_V102\Dvelopment中

  

  

• 添加以下环境变量

  

• 检验是否安装完成

  

 

 

 

 

3. 安装PyTorch CPU+GPU(在已经安装Anaconda的基础上)

（1）卸载之前的Torch版本

• pip uninstall torch 
  pip uninstall torchvision

  

  

 

 

（2）安装Torch==1.8.0

• 可以通过官网命令查找

  conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch

  

 

（3） 检查PyTorch-Gpu版本是否可用

>> python
>> import torch 
>> torch.__version__
>> torch.cuda.is_available()