Pytorch、CUDA、cuDNN、英伟达950M

对于CUDA的安装可参考下面的链接：
链接1: https://wstchhwp.blog.csdn.net/article/details/103098728?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-1.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-1.pc_relevant_default&utm_relevant_index=2.
链接2: https://blog.csdn.net/jhsignal/article/details/111401628?utm_medium=distribute.pc_relevant.none-task-blog-2_defaultbaidujs_baidulandingword~default-1.queryctrv2&spm=1001.2101.3001.4242.2&utm_relevant_index=4.
链接3: https://blog.csdn.net/weixin_38336546/article/details/111238648.
链接4: https://blog.csdn.net/qq_41603193/article/details/111599769.
链接5: https://blog.csdn.net/cashmood/article/details/105081586.

配置

系统 ：win10
python版本 ：3.7.6
显卡 ：NVIDIA geforce gtx 950M
安装cuda版本 ：cuda 9.0.176
cudnn版本 ：cudnn v7.6.5。32
torch版本 ：torch_1.1.0
torchvision版本 ：torchvison_0.3.0
编译工具：pycharm

CUDA

1、查询电脑英伟达版本

查看电脑上英伟达控制面板->系统信息->驱动程序版本（也可以看NVIDIA.DLL文件的版本）

根据图片查找自己电脑适配的DUDA版本

之后就是去官网下载适合自己电脑版本的CUDA。
链接: https://developer.nvidia.com/cuda-toolkit-archive.

2、CUDA安装

安装时注意要点：
1、注意刚开始的解压位置和后面的安装位置不要在同一个文件夹

2、选择自定义安装

3、组件的话只勾选CUDA就可以了，Driver components和Other components都可以不勾选。
3、安装文件夹可以自己定义，我的选择如下：
D:\NVIDIA
D:\NVIDIA
D:\NVIDIA

4、安装完成后文件夹结构（注意我这里把cuDNN也安装好了）

3、测试CUDA是否安装成功

打开命令提示符，输入nvcc -V后回车，若显示和下图一样的内容则表示安装成功（不成功的话先重启电脑，再试一次）。

也可以通过别的方式测试：通过NVIDIA提供的 deviceQuery.exe 和 bandwidthTest.exe 来查看GPU的状态，两者均在安装目录的 extras\demo_suite文件夹中。
我的这两个文件所在目录为：D:\NVIDIA\extras\demo_suite
测试流程如下：
1、打开命令提示符，输入D：，进入D盘

2、输入cd NVIDIA，进入该文件夹

3、再按顺序输入cd extras，回车、cd demo_suite，回车，进入程序所在的文件夹

4、运行deviceQuery.exe 和 bandwidthTest.exe 程序

两个测试均显示Result = PASS则表示没问题，安装成功，接下来进行cuDNN的安装。

cuDNN

1、找适应版本的cuDNN

去英伟达官网下载和CUDA版本对应的cuDNN，这里需要注册账号并填写调查问卷，并且网站很容易无响应。
链接: https://developer.nvidia.cn/rdp/cudnn-archive.

有需要帮助的可以在评论区留下邮箱，本人有时间的话可以帮你下载后邮箱发你。

2、cuDNN的安装

在官网下载的文件是一个压缩包，直接将之解压，解压后文件目录如下：

之后将所有文件（本人没有copy最后一个txt文件，无影响）copy到D:\NVIDIA（注意，这里是我文件夹，要根据自己的文件夹名称进行调整）。
另外要注意的是，这里是将文件添加过去，并非替换！！！！！！！！！

到这里cuDNN也安装好了，接下来就是安装适配CUDA和cuDNN版本的Pytorch了。

Pytorch

1、适配CUDA和cuDNN版本的Pytorch

直接点击下面链接查询（也可以去到官网，点击install，找到红色下划线处，点击查找）
链接: https://pytorch.org/get-started/previous-versions/.

2、安装

很多人都是使用conda安装的，但是由于本人不想使用这个东西，所以便使用wheel来安装。
1、首先一定要确定自己的python版本，python版本和torch、torchvision的版本必须相互匹配。
本人的CUDA版本是9.0，python版本是3.7.6。

2、下载torch和torchvision对应的轮子
链接: https://download.pytorch.org/whl/torch_stable.html.
这里一定要注意版本！！！！

划红线的为本人下载的，对这里的内容稍作解释。
1、cpu开头为适配cpu的，cu开头为适配gpu的
2、cpu、cu后面的数字为CUDA的版本
3、cp后的数字为python的版本
4、windows用户要下载含有win的wheel

3、wheel的安装

打开命令提示符，运行：
pip install torch-1.1.0-cp37-cp37m-win_amd64.whl
pip install torchvision-0.3.0-cp37-cp37m-win_amd64.whl
如果提示’pip’不是内部或外部命令，也不是可运行的程序或批处理文件，则要将D:\PythonEdition\sitepackages（存放wheel文件）目录添加到path中。
到这里基本就结束了。
这里的torch和torchvision安装到了D:\PythonEdition\python37\Lib\site-packages中，自己根据自己的文件夹目录进行寻找即可。

备注

1、需要注意的是，我在安装过程中不需要手动添加CUDA环境，这一点如果大家遇到错误可以参考文章开头的链接，自行添加CUDA环境。
2、如果使用pycharm编辑器，想使用GPU进行训练，则在创建venv环境时选择继承全局第三方包，即勾选红色下划线出的选项，再添加别的依赖包即可。