安装CUDA+Pytorch

前言

WHAT？这篇文章在做什么：安装CUDA+Pytorch，用于深度学习。

从陌生到了解、安装完成，摸索了近2小时，做个总结，希望有类似需求的人可以拥有快速且舒心的安装体验~目标是25分钟内安装好CUDA和Pytorch。本电脑已有英伟达显卡，Pycharm，Anaconda。

WHY？

1. 框架选择。深度学习可用的框架很多，如Pytorch，Tensorflow，sklearn，keras，PaddlePaddle等，学习和熟悉不同框架的使用需要花费精力，为节省不必要的学习成本，首先选择一个能满足你应用需求和场景的框架。Pytorch是Facebook人工智能研究院基于Torch于2017年推出的Python机器学习库。考虑到其适用场景、适用范围、优点、发展生态等原因，我选择了Pytorch，主要应用是NLP领域。
2. 不安装CUDA，直接用Pytorch也可以，可能你的大部分需求CPU的算力就足够了。CUDA（Compute Unified Device Architecture，统一计算设备架构）是由NVIDIA推出的通用并行计算架构，是将GPU利用起来，实现更高效的并行计算。总之就是借助CUDA，Pytorch可以实现更强的算力。
3. PyCharm是一款Python IDE，使用方便，提高编程效率。Aanaconda是Python数据科学的一个百宝箱，包含了conda、Python在内的超过180个科学包及其依赖项，可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。我比较倾向于用Anaconda来对不同的环境和包进行管理。Jupyter Notebook不同于Pycharm的编程方式也更直观，反馈更快。jupyter可以在写编码和调试时获得最密集最实时的反馈，做数据分析/数据挖掘/机器学习就很方便，pycharm 则更加适用于工程化的项目。（我一般采用的方式是Anaconda进行环境管理。Pycharm中项目设置settings，使用Anaconda的环境。）

HOW？

1. 了解你的系统环境和显卡——1min

打开命令行窗口，输入nvidia-smi.exe，如下，表示你最高可以安装的版本是CUDA11.6

2. 确定相对应的Pytorch和CUDA版本——1min

我的显卡最高只能支持CUDA11.6，所以就在Pytorch版本合集中，找到CUDA11.6对应的最新版本v1.13.1。（我用的是Windows系统）

于是，就确定了要安装CUDA11.6，Pytorch v1.13.1。

附，当然你可以看Pytorch官网显示的最新版本，要求CUDA11.7，是我的显卡不支持。

3. 安装CUDA——5-20min

官网不同的CUDA版本合集，我这里选择的是CUDA11.6.0

下载：

直接默认，精简安装就好，也可参考文章——Cuda11.6 下载与安装[排坑版]。

3.2 检查CUDA安装情况

命令行输入nvcc -V，表示安装成功。

4. 安装Pytorch——5-25min

这里采用pip安装，之前在官网上的pip安装指令。首先，要确定把Pytorch安装在哪里。

确定要安装的目标环境：我用Anaconda管理不同的环境，

要安装的目标环境是nlp_zh_pytorch。打开Anaconda终端，(nlp_zh_pytorch) 就表示在目前这个环境中安装。

检查cuda：nvcc -V
pip安装：

文件有点大，差不多2.5G，估计5-25分钟。 显示安装成功：

4.2 检查Pytorch安装情况

指令：pip show torch， import torch，torch.cuda.is_available()

好耶！

附录

①Pytorch安装位置。如果你直接使用命令行安装，就会安装在默认环境下，但还是自己设置特定的环境安装比较好。

比如一开始我就是这样，可以看到它的目录，安装的Pytorch就不知道怎么在我特定的环境中用，因此还是首先选定目标环境比较好。

②NVIDIA控制面板，信息查看