深度学习—Python、Cuda、Cudnn、Torch环境配置搭建

近期由于毕设需要使用Yolo，于是经过两天捣腾，加上看了CSDN上各位大佬的经验帖后，成功搭建好了GPU环境，并能成功使用。因而在此写下这次搭建的历程。

万事开头难，搭建环境很费时间，如果一开始版本不对应，到后面就要改来改去，很麻烦。首先要注意以下事项：

1. 你的显卡驱动版本。

2. 你的显卡算力。

3. Cuda和Cudnn版本对应问题。

4. Torch和Python对应关系。

我个人配置如下：

Python 3.7 + CUDA 11.6 + CUDNN 8.4.0 + Torch 1.12.0

---

目录

一、Anaconda下载与安装

二、查看电脑显卡信息

tips：查看显卡算力

三、CUDA下载与安装

3.1 查询Cuda版本

3.2 下载CUDA

3.3 CUDA安装

3.4 检验CUDA 是否安装成功

四、CUDNN下载与安装

4.1 CUDNN下载

4.2 CUDNN解压

4.3 检测CUDNN是否安装成功

五、Pytorch安装

5.1 创建Anaconda虚拟环境

5.2 下载Torch

5.3 检验torch是否安装成功

参考致谢

---

错误示范：

刚开始我的CUDA用的是11.4，后面下载Torch的时候报错，找不到满足版本的torch。

---

一、Anaconda下载与安装

下载地址：Anaconda | The World's Most Popular Data Science Platform

二、查看电脑显卡信息

首先我们得查看自己电脑是否有独立显卡。打开设备管理器 -> 显示适配器。可以看到我的电脑上有两块显卡。

其次，打开NVIDIA控制面板，查看显卡信息。右键 -> NVIDIA控制面板 -> 系统信息 -> 组件

记住你的驱动程序版本和你的NVCUDA64.DLL对应的版本名称。后续要用。

注意：高版本的Cuda是可以向下兼容的，但是不支持低版本向上兼容。我的电脑支持CUDA11.6，因此我可以向下下载cuda11.3等等，但是比如说你的是CUDA 11.0的话，你就不能下载CUDA 11.3和CUDA 11.6。这是跟着你电脑显卡信息来的。切记！！！

tips：查看显卡算力

打开NVIDIA网站：CUDA GPU | NVIDIA Developer

找到相应显卡所在区域，点击查看你的显卡算力。

三、CUDA下载与安装

3.1 查询Cuda版本

打开网址：CUDA 12.1 Release Notes

下滑至该表格处，windows看右边的驱动版本。表格中CUDA 11.6.x 要>=452.39。我的电脑是512.36（第二步中要记下来的那个驱动版本号），满足条件。

3.2 下载CUDA

打开网址：CUDA Toolkit Archive | NVIDIA Developer

找到对应的CUDA版本，下载。 强烈建议用迅雷！！！

3.3 CUDA安装

打开exe文件，地址默认不要改。

进入安装，然后选择自定义（高级 ），下一步就行了。[该安装过程忘了截图了。]

3.4 检验CUDA 是否安装成功

按 win + R ,输入cmd，进入命令行，输入命令： nvcc -V   (注意中间有空格)

 nvcc -V 

四、CUDNN下载与安装

4.1 CUDNN下载

打开网址：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

找到对应CUDA 版本的CUDNN版本，下载。下载时需要登录NVIDIA账号，注册即可。下载还是建议用迅雷。

不要选择太新的CUDNN，我自己下的是CUDNN 8.4.0

4.2 CUDNN解压

CUDNN是一个压缩包，需要解压到相关目录里。

打开CUDA所在目录，我自己电脑上的是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6

 CUDNN压缩包里的内容是三个文件夹。将这三个文件夹覆盖到CUDA\v11.6的同名文件夹即可。

4.3 检测CUDNN是否安装成功

按 win + R，输入cmd，切换目录路径到CUDA文件夹里的 v11.6 下的 extras 文件夹下的demo_suite文件夹中，按顺序执行deviceQuery.exe和bandwithTest.exe文件。

注意文件位置！！！

 执行deviceQuery.exe, 最后显示PASS。

 执行bandwithTest.exe, 最后显示PASS。

五、Pytorch安装

5.1 创建Anaconda虚拟环境

打开Anaconda Prompt ，输入命令：conda create -n 你创建的环境姓名 python==版本号。

conda create -n pytorch python==3.7

等待安装好后，输入命令： activate  你创建的环境名称 ，激活虚拟环境。

activate pytorch

5.2 下载Torch

Torch和Python对应关系：mirrors / pytorch / vision · GitCode

打开网址：Previous PyTorch Versions | PyTorch

找到对应的CUDA版本命令输入即可，静静等待。

conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.6 -c pytorch -c conda-forge

5.3 检验torch是否安装成功

打开Anaconda Prompt ，激活环境，输入python。

注意：因为torch是python当中的，所以要进入python语言环境中。如果直接输入import torch的话就会报错。

输入以下代码进行检验

import torch # 如果pytorch安装成功即可导入
print(torch.__version__) #torch版本
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号

以上是我这两天来配置环境的过程，希望对正在配置GPU的你有用。如有错误，敬请各位大佬指正。 

参考致谢

[PyTorch] 安装笔记, 基于Windows10/cuda11.6 - 知乎

PyTorch、CUDA Toolkit 及显卡驱动版本对应关系_pytorch cuda版本对应关系_浪迹天涯@wxy的博客-CSDN博客

python、torch、torchvision、CUDA、cudnn、GPU、各驱动版本对应问题记录_torch对应cudnn版本_SigMap的博客-CSDN博客

(conda + pip) 配置各版本 Pytorch 深度学习环境_pytorch版本_听 风、的博客-CSDN博客

Win10安装cuda、cudnn检测是否安装成功_检测cudnn_旅途中的宽~的博客-CSDN博客