【超详细】windows10系统下深度学习环境搭建CUDA11.3+cuDNN，以及tensorflow，Keras，pyTorch对应版本

前言

最近换了新的电脑，老本版问题很多，各种报错，版本不匹配问题，走了许多弯路，经过几天的试错，这里出一期详细的用于深度学习的环境搭建教程，供大家参考！

1. 环境介绍

windows10系统
显卡是PTX 3030，GPU算力7.5, 版本472.56（建议大家把驱动更新到最高版本）
cuda11.3.1+cudnn8.2.1，tensorflow2.7.0+Keras2.7.0，torch-1.11.0+cu113。
给出我安装成功的两个版本供大家参考

python3.8.0+CUDA11.6.0+cuDNN8.3.2+tensorflow2.7.0+Keras2.7.0
python3.8.0+CUDA11.3.1+cuDNN8.2.1+tensorflow2.7.0+Keras2.7.0

2. 显卡及算计要求

首先，检查一下是否安装了Nvidia显卡的驱动，搜索 Nvidia控制面板 或 Nvidia Control Panel可以看到当前已经安装的显卡驱动及版本。

有版本显示便是可行的，我的驱动程序没有更新，建议大家可以将驱动更新到最高，这样才支持更高的cuda版本。在上面【帮助】里面选择系统信息，选择【组件】，可以看到适合你电脑配置的最高cuda版本，我这里的cuda版本是11.4，但是我安装的是11.3版本。

NVIDIA官方 CUDA与显卡驱动版本对应表查询
在官网可以查询显卡驱动版本与对应的cuda版本，这也是为什么希望大家可以把显卡驱动更新到最高版本，显卡算力和显卡驱动版本共同决定你能下载的CUDA版本区间。

cuda配置

确定好要安装的版本，下面可以开始下载安装我们需要的GPU环境。

1. 下载及安装

cuda官网网址：https://developer.nvidia.com/cuda-toolkit-archive
点击上面的网址，直接进入到CUDA版本界面，选择你所需要的cuda版本，我这里选择11.3版本

我是windows10系统，version版本选择10，local下载到本地，可以复制链接到迅雷快速下载，我这里是在官网下载的（网速够）

双击下面的CUDA应用程序，开始安装。

加载到安装界面，点击ok，按步骤往下走就可以

第一次建议大家选择【自定义安装】，如果安装过很多次，可以选精简安装

勾选CUDA，NVIDIA GeForce Experience 是显卡驱动程序，如果你已经更新了显卡驱动版本，就不用勾选

在CUDA不用勾选Visual Studio Integration， 是VS的集成，选了也没有用。
然后一直点击下一步，就安装成功了。

这里只勾选CUDA，在CUDA不用勾选VS，选了也没有用。
然后一直点击下一步，就安装成功了。

2. 搭建环境及测试

安装成功之后，需要把相应的配置文件添加到环境变量中，在设置-关于-中找到高级系统设置，点击环境变量

检查环境变量中的【系统变量】是否有下面的配置路径，如果没有，需要找到你的cuda安装路径，

这是我的安装路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

，点击【新建】，添加相应的变量名（手动添加）和变量值（就是你的CUDA的安装路径）。

添加成功后，可以在命令行窗口测试是否安装成功，输入nvcc -Version，如果出现下面的情况，表示安装成功。

cudnn配置

下面根据cuda的版本选择相应的cuDNN版本，不然后面会因为版本不匹配问题报错
cuda11.3.1+cudnn8.2.1

1. 下载

这里提供一种跳过注册登录cuDNN Archive的方法（由于注册过程中验证码的问题，无法正常注册）
cuDNN官网地址：https://developer.nvidia.com/rdp/cudnn-archive，这里直接进入到版本选择界面

选择相对于的版本，我这里是windows系统

选择你想要的cudnn，点击鼠标右键，选择【复制链接】，将链接在迅雷中打开，可以直接进行下载,跳过由于无法注册导致的无法下载的问题

下载本地后，解压缩该文件

2. 配置环境及测试

打开上面的cuDNN文件，将下面的三个配置文件分别放置到你开始安装的cuda相应的文件路径路径下：

这是我的安装路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

将bin，include，lib复制到对应的cuda配置文件下

再添加系统变量，在【高级系统设置】-【环境变量】-【系统变量】下，点击【path】

点击【新建】，将相应的文件路径添加到path环境中，这里需要添加四条路径值
分别是cuda下的bin，lib，include，libnvvp

配置成功后点击确定
下面测试是否安装成功
在cuda文件路径下找到extra，再找到demo_suite

在当前路径下键入【cmd】，打开命令窗口，先输入deviceQuery

输出结果如下：

再键入【bandwidthTest】

如果出现pass表示安装成功。

pytorch配置

找到官网地址：https://pytorch.org/get-started/locally/

点击进入，选择以下要求：

我这里是在windows系统，python环境下安装的11.3版本，如果你的cuda高于11.3，也可以选择11.3cuda版本，复制上面的链接，打开命令窗口行，输入下面的链接地址安装pyTorch

pip3 install torch torchvision torchaudio --extra-index-url
https://download.pytorch.org/whl/cu113

安装成功后，可以测试是否安装成功，输入下面代码：

import torch
from torch import nn
import torchvision

如果不报错，即安装成功！

在pycharm上面测试GPU环境配置是否成功

print(torch.__version__)  # 输出pyTorch版本
print(torch.version.cuda)  # 输出CUDA版本
print(torch.backends.cudnn.version)  # 输出cuDNN的版本
print(torch.cuda.get_device_name(0))  # 输出显卡版本
print(torch.cuda.is_available())  # 测试GPU是否生效

运行结果显示：

1.11.0+cu113
11.3
8213
NVIDIA GeForce RTX 3070 Laptop GPU
True

最后一行输出为True，则表明GPU环境正常。