Windows RTX3090 配置Pytorch/Tensorflow CUDA 教程

1. 查询显卡驱动版本。

电脑桌面-右键-NVIDIA控制面板-帮助-系统信息-驱动程序版本；

2. 查询CUDA Toolkit版本。

前往CUDA Toolkit版本官网查看与显卡驱动程序版本相对应的CUDA Toolkit版本（注意满足条件是大于等于，笔者的驱动版本为512.77，可以选择绿色框内任意版本，为了与之前版本保持一致，笔者选择了红色版本）;

3. CUDA Toolkit下载。

前往CUDA Toolkit下载官网，找到并点击对应版本CUDA Toolkit，继续点击与自己电脑匹配的选项，下载并安装（保持默认安装即可）；

4. cuDNN下载。

前往cuDNN官网，下载与CUDA对应版本（文件后有标注）的cuDNN（为了与之前版本保持一致，笔者选择了v8.1.0），此处下载需要注册账号；
如果您选择笔者相同版本，亦可通过百度网盘下载CUDA11.2.0和cuDNN v8.1.0（无需提取码）；

5. cuDNN解压与替换。

解压刚刚下载的cuDNN并复制bin、include、lib文件夹，进入C:\ProgramData\NVIDIA GPU Computing Toolkit\v11.2(自己的版本号)，粘贴（如果找不到ProgramData文件夹，可能是文件被隐藏，显示隐藏文件即可）；

6. 添加环境变量。

按下WIN键，搜索“环境变量”并进入-选择“用户变量”-双击“Path”-“新建”-添加以下变量：
C:\ProgramData\NVIDIA GPU Computing Toolkit\v11.2(自己的版本号)\bin
C:\ProgramData\NVIDIA GPU Computing Toolkit\v11.2(自己的版本号)\include
C:\ProgramData\NVIDIA GPU Computing Toolkit\v11.2(自己的版本号)\lib

7. 安装对应版本pytorh。

事先声明，由于笔者使用的是python3.9版本，并已经多次测试成功，读者可依据自己的python版本在官网自行搜索相关命令，避免照搬带来错误。
前往pytorch版本官网，查看与CUDA相对应版本的pytroch，由于没有与CUDA11.2.0对应的版本，笔者选择了CUDA11.3的pytorch，复制命令（笔者选择的命令： pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113）。
回到桌面，WIN+R组合键，输入cmd回车，粘贴命令，回车，即可安装pytorch至环境。

8. 安装对应版本tensorflow。

前往tensorflow版本官网，查看与CUDA、cuDNN对应版本的tensorflow（笔者选择的是2.6.0版本）。
回到桌面，WIN+R组合键， 输入cmd回车，输入pip install tensorflow-gpu==2.6.0(自己的版本)，回车即可安装tensorflow至环境。

9. 测试是否成功。

import tensorflow as tf
import torch
print(tf.__version__)  # tensorflow version
print(tf.config.list_physical_devices('GPU'))  # GPU
print(torch.__version__)  # pytorch version
print(torch.cuda.is_available())  # CUDA

10. 结尾。

到这里Pytorch/Tensorflow的CUDA加速就配置完成啦，如果你在安装过程中遇到任何问题，请在下方留言，看到后会及时回复，感谢关注！