Cudnn与Pytorch的安装

• win键搜索cmd，右键选择管理员，运行命令：conda install pytorch torchvision cuda100 -c pytorch 注意：这是CUDA10.0版本的pytorch。注意，一定是管理员模式下。不要傻乎乎的直接跑去运行，往下读先

• 如何得到不同版本的命令？搜索pytorch官网，选择对应的版本，自动会给出相关的命令。另：下载以往的版本要访问https://pytorch.org/get-started/previous-versions/

• 命令运行，先看下一步

• 如果你没有过墙，想下载这个速度会非常慢。不幸的是，这个命令要安装大概1.4G左右的包，所以一般都会出现CondaHTTPError的问题。解决方法参照我的另一篇博客：conda install命令出现CondaHTTPError问题

---

       但是，重点来了，不要觉得配置好上面所说的东西就可以执行命令了。这条命令中有的包下载的前提是必须配置好cudnn

• cudnn的官网里提供各个版本，要根据自己安装的cuda的版本进行下载，访问https://developer.nvidia.com/rdp/cudnn-download,注册一个账号登陆进去。我的是cuda10.0对应的版本：链接：https://pan.baidu.com/s/1lI0oW28a0AULNcWxRCEFNA  提取码：e43t 

• 下载好后是一个压缩包，进行解压缩，会看到三个文件夹

• 然后，我们需要把这三个文件夹拷贝到CUDA的安装目录下。CUDA的安装目录在哪儿？参见我的另一篇博客：Win10系统下CUDA10.0的安装。注意到CUDA安装目录下同样存在这三个文件夹，所以我们这里的拷贝是指将解压出的三个文件夹中的东西拷贝到相对应的CUDA的目录下

至此，cudnn安装结束

---

• 然后我们就可以执行cuda10.0对应的pytorch安装命令了，这个过程可能需要一点时间，安装成功的话会提示三个done我没有截图。不过我又执行了一下命令，会提示我所有的包已经安装，至此安装命令运行成功。

• 最后，我们就可以去导包进行测试了

  >>> import torch #导入torch包
  >>> torch.__version__  #d查看torch版本
  '1.2.0'
  >>> import torchvision #导入torchvision
  >>> torchvision.__version__ #查看torchvision版本
  '0.4.0'
  >>> torch.cuda.is_available() #查看gpu是否可用
  True
  >>> torch.cuda.device_count() #查看gpu个数
  1
  >>> torch.cuda.current_device() #查看当前gpu
  0
  >>> torch.cuda.get_device_name(0) #查看当前设备名称
  'GeForce 940M'

•  最终结果图，不要羡慕我安装成功哈哈哈哈