【超详细】AnaConda+CUDA+CuDNN+Pytorch-gpu环境配置

Pytorch-gpu环境配置

1. 安装AnaConda

AnaConda下载地址：安装AnaConda

这里选择All Users。

默认安装路径，下一步。
选择“添加环境变量”，安装。

跳过安装VScode即可，安装成功。

2. Visual Studio 安装

链接: Visual Studio 2019.

运行Visual Studio Installer。

选择Python开发、数据科学和分析应用程序，安装。

3. 安装CUDA

CUDA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，是一种并行计算平台和编程模型，该架构使GPU能够解决复杂的计算问题。
CUDA、CuDNN的版本的选择由GPU型号和所要下载的Pytorch的版本有关。
因此我们先检查电脑显卡驱动程序版本。桌面上右击打开NVIDA控制面板，点击帮助找到系统信息。

CUDA Toolkit 11.3 下载链接：CUDA Toolkit 11.3 Download

双击安装包安装。这里默认安装路径。

在命令行中输入 nvcc -V 查看是否安装成功。

4. 安装CuDNN

CuDNN是NVIDIA专门针对深度神经网络中的基础操作而设计基于GPU的加速库。CUDA和cuDNN之间有版本对应关系。

cuDNN 下载链接：cuDNN Download

下载完成后解压。解压cuDNN压缩包，可以看到bin、include、lib目录。

打开 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA ,将CuDNN压缩包内对应的文件逐个复制到CUDA目录下对应的bin、include、lib目录中。（CUDA的lib目录下有两个文件，根据系统位数选择进行粘贴）
随后打开 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite ，在此路径下运行cmd。执行命令 .\bandwidthTest.exe

则安装完成。

5. 配置环境变量

安装完CUDA后，CUDA会自动添加到环境变量中。
计算机上点右键，打开属性→高级系统设置→环境变量。

继续添加。

添加以下变量。

6. 安装Pytorch

在开始菜单中找到AnaConda，点击打开Prompt。

创建一个新的环境。

conda create -n pytorch python

激活环境。

conda activate pytorch

下载安装Pytorch。

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

安装完成。

检验安装。

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

至此，环境配置完毕。