Win10 anaconda 下cuda+cuDNN+pytorch-gpu安装+导入pycharm中+小白学习需要预先知道的各种问题（小白一条龙服务）

---

如果是编程小白，建议先看这两个博文大致了解一下之后用到的安装命令：
1.深度学习编程环境概念（GPU, Tensorflow, Docker, CUDA, CPU, CUDNN, Keras, Anaconda, PyTorch介绍）

2.安装代码讲解

---

一、下载安装anaconda3

下载方式1：使用清华镜像源下载
下图是我下载的版本：
下载方式2：anaconda官网下载、安装
两种下载方式的安装步骤相同，具体安装步骤和常见问题处理参考下载方式2的博文链接。

二、NVIDIA显卡驱动更新并测试

1. 运行——输入dxdiag，查询电脑显卡类型

2.根据步骤1中查询到的电脑显卡类型，去NVIDIA官网查询与自己电脑显卡匹配的驱动下载并全部默认安装（当然安装路径自己定）



常见问题（我在另一个电脑上安装软件环境遇到的问题）：
解决办法
步骤1：如果下载的驱动程序安装时出现“不兼容”而无法安装的问题，则根据问题提示中的链接进入Nvidia官网后，尝试选择正确的版本再次安装；
步骤2：再次安装不成功：设备管理器——框选内容1右键——卸载设备——重启电脑——进入Nvidia官网后，尝试选择正确的版本再次安装——再次选择设备管理器中的框选内容1并右键——属性——驱动程序——更新驱动程序——自动搜索更新的驱动程序软件——更新匹配成功
步骤3：如果还不成功：多尝试几次步骤2

注意：这个驱动程序会自动覆盖之前的版本

3.检查显卡驱动是否更新成功：打开cmd——输入nvidia-smi，回车。
nvidia-smi与driver version版本相同，如图，则显卡驱动更新成功。

常见问题：nvidia-smi‘ 不是内部或外部命令，也不是可运行的程序 或批处理文件
解决办法：添加这个exe的环境变量

三、安装并测试cuda和cudnn

1.查看nvidia支持的cuda最高版本：
打开nvidia control panel——系统信息——组件——标黄为NVIDIA可以支持的cuda最高版本

注意：1.此处下载的cuda版本应该与你要安装的pytorch版本相同，但是不可以超过NVIDIA可以支持的最高版本。
2.如果找不到搜索栏找不到Nvidia控制面板，则打开控制面板——Nvidia控制面板

2.cuda官网不同版本下载
注意：先去pytorch官网查看pytorch支持的cuda版本，再选择要下载的cuda版本。

（相应的，如果安装完了CUDA才看到我上面的标黄注意内容，可以由CUDA版本找对应的pytorch版本安装pytorch，具体步骤参考博文——解决cuda版本与pytorch版本不兼容问题）

下载的cuda版本选择要求：
1.下载的cuda版本与pytorch官网支持的cuda版本相同（这里为了省事，我说的相同，有疑问参见此博文第五部分问题解答）；
2.下载的cuda版本本机nvidia显卡要能支持，即下载的cuda版本要比nvidia显卡驱动cuda版本低。

比如，如下图，pytorch官网支持的cuda版本为cuda10.2和cuda11.1，我本机nvidia显卡能支持的最高cuda版本为CUDA 11.3.101（上图标黄内容），那么我下载的cuda版本可以为cuda10.2或cuda11.1。

我下载的是cuda10.2：

3.cuda安装，选择精简版，一路默认安装即可
（注意cuda的安装路径，如果默认安装路径的话，默认路径应该是如下图）

4.下载cudnn：cudnn下载官网
需要登录或注册cudnn官网账号，并找到cuda已安装版本下的cudnn版本

5.安装cudnn
将cudnn下载好的压缩包解压，并将解压出来的lib、include、bin三个文件夹直接复制到cuda安装文件夹中，替换掉cuda安装文件夹中原来的这三个文件。

6.编辑cudnn环境变量
打开环境变量，并编辑用户变量path，添加5个环境变量，并确定。


7. 测试cuda和cudnn是否安装成功
方法1：打开cmd——输入nvcc -V——如下图所示，则成功

方法2：分别打开cuda安装文件夹下的deviceQuery.exe和bandwidthTest.exe来判断。

注意：直接双击这两个exe可能会出现闪退的情况，建议用命令打开：

代码如下：

cd ..
cd ..
cd "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite"
deviceQuery.exe
bandwidthTest.exe

如下两个图则为安装成功cuda和cudnn：

四、安装/卸载/测试win10系统下的GPU版本pytorch

1.创建pytorch安装的虚拟环境
打开anaconda prompt，在python3.6版本编程语言下，使用conda创建名为pytorch_gpu的虚拟环境。

conda create -n pytorch_gpu python=3.6

2.激活虚拟环境

activate pytorch_gpu

3.使用清华镜像源安装pytorch-gpu

注意：我图片中出现的warning是因为我装好了，为了编辑这篇博文重新输入的。大家可以忽略。

代码如下：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

最后一行命令是根据自己要安装的版本复制粘贴pytorch官网提供的安装命令。
注意：复制好官网命令后，一定要把-c pytorch删除，再回车运行！！！

4.测试是否安装成功pytorch
在pytorch_gpu虚拟环境下，进入python编程环境，查看pytorch版本，以及能否调用cuda（即GPU能否使用）。如下图所示为安装成功。

代码如下：

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

5.卸载pytorch

五、将pytorch导入pycharm，并测试是否导入成功

1.将pytorch导入pycharm。直接见图




2.测试pytorch是否导入成功，直接见图

图中代码如下：

import torch
import torchvision
print(torch.rand([3,2]))

六、常见安装问题和版本问题

1.进入虚拟环境后直接从pytorch官网直接复制粘贴安装命令，导致出现问题：
PackageNotFoundError: Package missing in current win-64 channels: - cudatoolkit 10.2*

解决办法：按照本文的方法（使用清华镜像源，输入那四行命令，再输入去掉-c pytorch的官网指令）安装即可。

2.怎么知道自己安装的是GPU版本的pytorch，而不是CPU版本的？

解决方法：你复制pytorch官网命令时，选择的不是CPU，就不是CPU版本的。

3. nvidia driver显卡驱动、nvidia官网下载的cuda、conda安装的cudatoolkit的联系和区别？

解决方法：据我理解，简单点说，就是——使cuda运行起来需要nvidia driver显卡驱动，驱动一下。conda安装的cudatoolkit是nvidia官网下载的cuda的精简版。在不需要编译、拓展时conda安装的cudatoolkit搭配nvidia driver显卡驱动就可以跑起来，但是在深度学习中需要编译、拓展时，需要功能更加完整的nvidia官网下载的cuda来完成编译、拓展。
一般情况，如果有默认使用路径，则使用默认路径下的cuda，如果没有默认路径，那么先使用nvidia官网下载的cuda，不行再用conda安装的cudatoolkit。（这句话我是参考“更加详细准确解释2”中的博文理解的）

• 查看nvidia driver显卡驱动cuda版本命令：cmd——nvidia-smi
  
• 查看nvidia官网下载的cuda版本命令：cmd——nvcc -V
  
• 查看conda安装的cudatoolkit版本命令：anaconda prompt——进入pytorch_gpu虚拟环境——conda list
  

更加详细准确解释1——conda安装的cudatoolkit与Nvidia官方提供的cudatoolkit的区别；
更加详细准确解释2——conda安装的cudatoolkit, cudnn与在主机上安装的cuda, cudnn有何关系?）

4.上述安装的显卡驱动、cuda、cudnn、pytorch-gpu的意义是什么？各个版本的选择之间的关系？

解决方法：可以参考以下博文：
显卡驱动版本、cudatoolkit版本、cudnn版本、tensorflow-gpu版本之间的对应关系

5.如果在安装pytorch时出现anaconda中找不到某个安装包的情况？
解决办法：
步骤1.：Anaconda找包，安装包时，遇到PackageNotFoundError： ''Package missing in current channels"
步骤2.：步骤1中的找包法寻找结果为“0 package”，则参考博文——添加镜像下载cudatoolkit 9.0 的方法
注意：如果你执行删除镜像源/更换镜像源命令时，.condarc文件没有相应的改动的话，说明镜像源不能随意更改，则使用下边这行命令安装pytorch：

conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c https://mirrors.ustc.edu.cn/anaconda/pkgs/main/

上边这行命令是在不改变镜像源的前提下下载pytorch,torchvision,cudatoolkit，有别于下边这行命令

conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

6.虚拟环境创建出现问题：conda httperror http none none for url
我试了从清华镜像源更换成中科大镜像源的方式不成功后，又用了下边这个解决办法成功的。
解决办法：
步骤1：前提：关闭网络代理——重新连接不用代理的网络
步骤2：输入

conda config --remove-keys channels

步骤3：创建虚拟环境pytorch_gpu
步骤4：激活虚拟环境pytorch_gpu
步骤5：输入（即pytorch官网的下载指令删除pytorch后缀再加上清华镜像源）

conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

解决方法参考博文

如下图：

步骤6：如果安装pytorch时出现以下错误：

CondaError: Cannot link a source that does not exist. F:\win10\anaconda\anaconda3_4.4.0_install\Scripts\conda.exe

错误原因：新版Pytorch通过旧版Anaconda安装导致
解决办法：解决步骤参考链接
即：
输入

conda install tqdm -f

等待安装，再输入

conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

即可。

7.虚拟环境的命名可以随意，另外关于虚拟环境的查询，删除，退出指令参考我本文开头提供的第一篇参考博文——安装代码讲解）

8.Win 10 conda 查看 添加 删除 更换镜像源

9.nvcc -V与nvidia-smi版本不一致时，选择pytorch版本问题