Anaconda+Cuda+Cudnn+Pytorch（GPU版）+Pycharm+Win11深度学习环境配置

一、准备工作

个人电脑配置：RTX4060 win11
个人配置版本：cuda（11.7）+ pytorch(2.0.1) + python(3.9)

所需工具：

1、python集成开发环境：Anaconda
2、CUDA、cuDNN：英伟达提供的针对英伟达显卡的运算平台。用来提升神经网络的运行效率，如果电脑显卡不满足要求也是可以不用安装，使用cpu来进行运算。
3、开发工具：PyCharm
4、深度学习库：PyTorch(也可以使用TensorFlow平台)

二、安装Anaconda

Anaconda官网：https://www.anaconda.com

点击下载Download即可。Anaconda的下载安装都很简单，网上教程很多。这里就不赘述了。

三、安装Cuda+Cudnn

跟着这个b站博主做的，讲的很通俗易懂，安装一次就成功了。

2022最新版CUDA安装+环境配置，人工智能小白变强教程！！！-人工智能/深度学习/机器学习

先查看自己电脑所支持的CUDA的最高版本是多少。
win+R 输入cmd 进入命令行，输入nvidia-smi，根据右上角的CUDA Version可以知道，该电脑适配12.0版本以下的CUDA。

注意： 安装cuda的版本时不要安装最新版本，很有可能会和之后安装的东西不适配。个人建议是如果和pytorch结合做项目，那么去pytorch官网查看一下目前的版本。个人选择的是CUDA11.7。

CUDA的版本也和Anaconda中下载的python版本有关（这里的python是下载anaconda时自带的，不需要另外去下载）。因为下载anaconda时是直接下载的，所以查看一下python的版本。

win+R 输入cmd 回车，然后输入conda activate激活anaconda环境，输入python -V查看版本

这里查到版本是3.9.0，但其实最开始下载完anaconda后查看版本是3.10，通过查看cuda和python版本的对应关系，发现目前cuda可以支持python的版本只有3.9之前，3.10是不支持的，所以这里需要修改anaconda环境中python的版本，修改为3.9版本。可以根据这个文章里的步骤去修改：https://blog.csdn.net/qq_56520755/article/details/130489115

按照上述的步骤，就可以把Anaconda、cuda和cudnn下载完成。

四、Pytorch（GPU版）

整体的安装环境过程，在这个地方用的时间最长。先列出几个不顺利的方法，再说明我的解决方法。
注意： 如果之后使用过程是在某个虚拟环境中进行时，那么一定要进入自己创建的虚拟环境之后再进行安装。

不顺利的方法：

1、直接在pytorch官网复制conda命令或者pip命令，然后进入Anoconda环境去下载，尝试了5-6次，都没有成功，失败原因是下载时间超过。（这里有个解决办法是可以去设置timeout的时间，但是我没有去尝试，有兴趣的如果碰到这个问题可以试试）

2、因为上一步显示下载时间过长的问题，所以就想到使用国内镜像源去下载，但是这里有个问题是，使用国内镜像源下载（清华镜像源或是其他）下载下来的都是适用于cpu版本，但是并不适用于GPU版本，结果就是卸载重新想办法安装。

成功的办法：离线安装

先在pytorch官网上找到自己CUDA版本对应的pytorch、torchvision应该安装的版本号。寻找网址
再去以下这个地址中去下载自己对应的xml文件: https://download.pytorch.org/whl/torch_stable.html
寻找对应xml文件的方法，网上可以搜到，我底下以自己为例举个例子。

我要下载的是torch11.7，所以我要找到对应 pytorch=2.0.0、torchvision=0.15.0的版本的文件。

conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.7 -c pytorch -c nvidia

我要下载的torch离线包是这个，具体的下载原因是:
cu117其中这个117指的是cuda是11.7版本，torch代表的是torch包，2.0.0是对应我上面找到的torch版本，cp39代表的是python版本是3.9版本，win代表的是windows系统，64代表自己的电脑是64位。

下载的torchvision包是这个，具体的原因与上面相似，这里就不一一赘述。

下载到本地后，先进入Anaconda的环境（创建一个虚拟环境，然后再进入这个虚拟环境，具体的创建和进入的过程网上有很多教程），然后cd进入到自己下载的文件夹的位置，比如我是 cd E:\torch\torch2.0.1,再输入E：回车，再输入pip install 文件名称即可，两个文件都要pip install，记住先pip install torch文件，再pip install 另外一个。

注意： 在安装完成后，在pycharm里运行import torch时报错了，显示的问题是版本不对，所以我又重新下载了pycharm中提示的版本，所以以下例子中是2.0.1，而不是2.0.0。

对以上图片中命令行的解释如下：
首先第一步是进入自己创建的虚拟环境中（我自己创建的虚拟环境叫yolov7,这个是自己取的）
进入环境后进入下载文件的存放位置
再使用pip install 进行下载即可，记得文件要加上文件类型.xml

对于上图为什么之前说的是2.0.0版本，但是我下载的确实2.0.1版本的解释：
根据官网上找到的版本，发现是2.0.0版本，但是当我第一次pip install 完成后，在pycharm里运行import torch报错，根据报错原因里找到了我应该下载的是2.0.1版本，以及对应的torchversion版本是0.15.2，所以我就卸载了之前安装的2.0.0版本，重新安装了提示的版本。这里如何一下子找到正确的版本我没有进行探索，如果有兴趣的可以自己探索安装一下。

查看torch是否安装成功以及是否可以适用GPU：
进入Anaconda虚拟环境，然后输入python，输入import torch导入torch包，再输入torch.__version__查看torch的版本，再通过输入torch.cuda.is_available()结果是True可以判断适用于GPU，如果结果为False，则证明不适用于GPU。

五、安装pycharm

pycharm的安装过程网上教程很多，这里就不介绍了。主要介绍以下pycharm中环境的配置。
在pycharm中打开自己想要运行的文件夹，然后配置解释器。


找到python interpreter后，点击Add interpreter

进入之后点击existing，然后浏览文件找到对应的虚拟环境的python文件。通常虚拟环境保存在下载的anaconda文件夹下的envs文件夹下就可以找到自己创建的所有的虚拟环境，选择自己想要运行的虚拟环境，点击对应文件夹，选择python.exe文件即可。

通过以上的步骤就将解释器设置成功了，然后就可以运行自己的程序了，运行程序时可能会出现没有某个模块的情况，通过pip install下载对应模块即可。

解释器配置完成后，在pycharm中对torch的版本以及对GPU的适用性进行测试，成功则结束。