深度学习环境搭建：Pytorch与CUDA的安装

什么是CUDA

统一计算设备架构(Compute Unified Device Architecture,CUDA)，由 NVIDIA 推出的并行计算平台和编程模型。 它通过利用图形处理单元 (GPU) 的强大功能来显着提高计算性能。最新发行版本11.6.2，2022年3月发行。
目前几乎所有的编程语言，不使用特定框架，只能使用CPU运行所编的程序。std::thread也是将线程开在CPU中。使用GPU编程可以使用更多的流处理器和更多的线程。
NVIDA官方提供的CUD库是一个完整的工具安装包，其中包括CUDA Toolkit和CUDAdriver、NVIDIA GPU driver驱动程序。理论上在安装完驱动程序后只需要安装CUDA toolkit就可以保证CUDA相关程序的运行。（一般电脑上装有NVIDIA的独立显卡会默认安装好驱动程序）

查看本地显卡驱动对应CUDA版本号

在查看本地显卡对应等的CUDA版本的时候，先更新一下驱动，官网驱动下载地址，其中notebook是笔记本上用的驱动。也可以直接下载NVIDIA GeForce Experience来快速升级驱动。更新完显卡驱动后可以看见我的驱动支持CUDA 11.6以内的。

安装Pytorch如何选择CUDA的版本

进入Pytorch查看Pytorch对应的CUDA版本，因为Pytrorch目前不支持最新的CUDA 11.6版本，最高目前支持CUDA 11.3。
GPU与Pytorch对应版本

Pytorch	CUDA	torchvision
1.11.0	10.2、11.3
1.10.1	10.2、11.1、11.3	0.11.2
1.10.0	10.2、11.1、11.3	0.11.0
1.9.1	10.2、11.1、11.3	0.10.1
1.9.0	10.2、11.1、11.3	0.10.0
1.8.1	10.1、10.2、11.1、11.3	0.9.1
1.8.0	10.2、11.1	0.9.0
1.7.1	9.2、10.1、10.2、11.0	0.8.2
1.7.0	9.2、10.1、10.2、11.0	0.8.0
1.6.0	9.2、10.1、10.2	0.7.0
1.5.1	9.2、10.1、10.2	0.6.1
1.5.0	9.2、10.1、10.2	0.6.0
1.4.0	9.2、10.1	0.5.0
1.2.0	9.2、10.0	0.4.0
1.1.0	9.0、10.0	0.3.0
1.0.1	9.0、10.0	0.2.2
1.0.0	8.0、9.0、10.0	0.2.1

安装CUDA11.3

1. 双击安装安装包

2. 我这里C盘不够用将安装地址修改到D盘，然后点击OK提取文件，系统兼容检查
   
   

3. 系统兼容性检查完后点击同意并继续，然后选择自定义安装

4. 将CUDA安装组将中的VS取消勾选
   

5. 修改安装位置
   

6. 等待安装完成
   7. 点下一步然后关闭，默认情况下安装完成环境变量也默认配置好。
   验证安装是否成功：打开命令行窗口输入nvcc -V
   

安装Pytorch

使用pip来直接安装pip install torch torchvision torchaudio
需要注意的是一定要安装使用CUDA的Pytroch版本，可以去Pytorch官网查看对应的pip安装命令。
验证是否安装成功：打开命令行输入python进入交互式编辑，输入以下命令

import torch
x = torch.rand(5,3)
print(x)

验证Pytorch能否使用GPU，导入torch模块

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

输出True则当前torch能够正常使用CUDA，返回False则说明配置有问题不能正常使用CUDA。

参考

TensorFlow、PyTorch各版本对应的CUDA、cuDNN关系
Pytorch:Pytorch与NUDA对应版本
Window下Python+CUDA+PyTorch安装