win10安装CUDA+cuDNN+Pytorch+PyG
一起动手学习神经网络——Pytorch和PYG包的安装
看了多篇安装博客的内容，本想应该很简单，没想到却是费了一番功夫，现把自己安装的过程写下来，以便在后续过程中其他需要小伙伴能少走一些弯路。
第一步：安装Visual Studio 2017.
要勾选上【 C++/CLI support】和【VC++ 2015.3 v14.00(v140) toolset for Desktop】两个在visual C+++ build tools下面的包;
先下载在线安装版，运行起来后选择性安装。
除上面必要的，当然也可以添加其他的组件
等待安装完成。
注意好多博客里都没有提到这一步，但如果不先进行第一步，直接安装cuda会在最后一步报没有Visual Studio的错误，点击忽略安装，看似成功，其实并没有。
第二步：安装cuda和 cuDNN。
先简单了解一下：
- 什么是 CUDA
CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。CUDA是一种由NVIDIA推出的通用并行计算架构，该架构能使GPU能够解决复杂的计算问题。
- 什么是cuDNN
NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。
NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。
- CUDA 和 cuDNN 的关系
CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。
在安装CUDA时一定要看自己电脑的驱动程序版本，屏幕下方的任务栏右侧【显示隐藏图标】里有NVIDIA,打开：
或者看这里，我这里时11.0就是要安装CUDA版本：
CUDA下载
在下面的网站，找到对应的版本号，点击下载：
下载cuDNN:
地址：https://developer.nvidia.com/rdp/cudnn-download
下载cuDNN是需要登录英伟达开发者账户的，注册一个并填写问卷就可以。
cuDNN的版本要与CUDA匹配。
安装 CUDA
找到你下载的CUDA，无脑安装就行了。当然如果你想自定义的话要记住你选择的安装路径。
CUDA安装完成后，打开命令行输入 nvcc -V ，成功的话会返回 cuda 版本号：
cuDNN安装
解压cuDNN压缩包，可以看到bin、include、lib目录：
将 bin 目录里面的内容复制，然后粘贴到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA 对应的 bin 目录里面:
同样的，include 和 lib 目录里面的文件也复制到相应的文件夹里面。
添加环境变量
在系统环境变量的Path项下添加几个路径
点击 编辑 – > 新建，需要添加下面两个路径（安装目录）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib\x64
查看安装结果
执行demo文件
在cmd中打开上面的文件：
则安装成功了！
第三步 安装pytorch
-
创建pyTorch 虚拟环境（我们想在哪个虚拟环境上面安装pyTorch就可以在哪个环境安装，各环境之间互不影响），注意自己的python版本号
conda create -n pytorch python=3.8 -
进入 pytorch 虚拟环境：
activate pytorch -
执行以下安装命令：注意自己的cuda版本
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda install pytorch torchvision cudatoolkit=11.0 ```
（4）安装完成测试 PyTorch GPU 版本是否安装成功
cmd运行以下命令：
>>>python
>>>import torch
>>>x = torch.rand(5,5)
>>>x
输出类似下面内容，则pytorch安装成功
再执行torch.cuda.is_available()
如果返回True，GPU版Pytorch成功安装完毕
由于我的版本中pytorch有1000M,cudatoolkt有600多M,所以安装了好几次才全部装上，大家安装时要找一个网络好的地方和时间。
第四步：安装PyG
PyG (即PyTorch-geometric)是德国多特蒙德工业大学的研究者们提出的一个基于Pytorch的拓展库，为各种复杂的图神经网络封装好了一个统一的规范接口，为我们搭建自己设计的图神经网络提供了便利。
首先要清楚，在pip install torch-geometric之前要安装以下四个包：
torch-scatter
torch-sparse
torch-cluster
torch-spline-conv
而上面的四个包直接用pip install 从源下载安装没有成功，有人使用pip install --verbose 包名成功，我还是不行，pip install --verbose --no-cache-dir 仍报错，无奈。
所以最稳妥的办法，安装离线包，上链接：
地址：https://pytorch-geometric.com/whl/
按照自己的torch和cuda版本进行选择
点击后就是该组合下可支持的包，根据你的系统环境和python版本分别进行下载：
使用pip install 分别安装下面的包
最后pip install torch-geometric,完成。
在cmd的python环境中测试下面代码：
from torch_geometric.nn import GCNConv
可以调用就成功了！！！
参考文档：
1.win10安装CUDA+cuDNN+Pytorch
2.PyG安装