Windows 安装配置 Anaconda、CUDA、cuDNN、pytorch-cuda全流程

Windows 安装配置 Anaconda、CUDA、cuDNN、pytorch-cuda全流程

1. 安装Anaconda

网址：https://repo.anaconda.com/archive/
选择第一个下载即可
双击exe文件，按安装向导安装即可（除安装路径自己选择外，其余均可按默认选项）
安装成功会弹出以下界面

2. 安装CUDA

TODO：似乎在第5步在线安装pytorch-cuda时不需要先安装CUDA，先跳过，之后再验证。

3. 安装cuDNN

TODO：似乎在第5步在线安装pytorch-cuda时不需要先安装cuDNN，先跳过，之后再验证。

4. Anaconda 创建 python 环境

1. 首先，为确保之后conda创建环境时，不会自动将环境创建在C盘默认位置，可以先将创建路径配置为自定义路径：

   参考资料：https://blog.csdn.net/hshudoudou/article/details/126388686

   在开始菜单打开Anaconda Prompt命令行工具
   
   输入conda config --show命令，查看envs_dirs：
   
   如果显示的第一行（即默认位置）不是你所安装的anaconda3的envs路径或是你想自定义的其他位置，而是C盘的envs（如图中第二行），则可以按照以下方法进行配置；如果已经配置过了，可直接跳至第2步：
   （1）在 C:\Users\用户名下找到.condarc 文件
   
   使用记事本打开，在其末尾添加下面内容并保存：

   envs_dirs:
     - E://Robin//Software//anaconda3//envs
   

   

   上面的channels如果没配置过，可能只有 -default，这个先不管

   （2）确保路径具有写入权限：
   在资源管理器打开你想配置的自定义路径，如E://Robin//Software//anaconda3//envs，右键-属性-安全：
   
   再点击编辑，点击Users行，将下面的权限中的完全控制勾为允许（此时应该下面的各个权限都会自动打勾（特殊权限不用管），没有的话自己手动勾一下），记得点击应用或者确定：
   
   这样重新输入conda config --show命令，查看envs_dirs应该已经配置好了。

2. 使用Anaconda创建一个Python环境，以用来安装pytorch-cuda：
   （1）为了提高下载速度，可以先配置清华镜像源，依次执行下面语句：

   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/
   conda config --set show_channel_urls yes
   

   执行完成后，可以通过conda config --show查看channels：
   

   然而，在实际操作过程中，配置的这些路径似乎并不能顺利安装pytorch-cuda，最后还是使用官方的默认路径……（见下方）

   （2）使用conda create -n python=命令创建python环境，其中，为自定义环境名称，version为python版本，如可输入conda create -n pytorch python=3.6，创建一个名为pytorch，使用python3.6版本的python环境。
   按回车，在必要的时候输入y，等待创建成功即可。
   创建成功后，使用 conda env list可查看已创建的环境及其路径：
   

5. 在线安装 pytorch-cuda(gpu)

参考文章：https://blog.csdn.net/m0_45082058/article/details/119417049

1. 使用conda activate pytorch命令（pytorch记得换回你自己设定的环境名称）激活先前创建的python环境：
   
   前面这里的括号内容即表示当前已经激活并进入的环境。

2. 查看系统支持的cuda版本：
   在开始菜单或搜索栏打开 cmd命令行工具，输入nvidia-smi：
   
   右上角的CUDA Version表示本机最高支持的cuda版本，在下载pytorch-cuda时，所选cuda版本号不能超过此版本。

   如果nvidia-smi不能正常执行，提示找不到此命令，可按照此文章的方法尝试一下：
   解决方案：
   1.添加环境变量：在path里面添加exe文件所在路径（一般为C:\Program Files\NVIDIA Corporation\NVSMI），就可以访问到这个命令；
   2.更改命令路径：使用cd命令跳转到 ‘nvidia-smi’ 命令所在的文件夹。然后再次输入该命令即可。

3. 进入pytorch官网 https://pytorch.org/ ，查找安装指令：
   
   如图，依次选择对应选项，其中CUDA版本选择不超过本机所支持最高版本（这里我选择CUDA 12.1）。
   复制底下的指令，在Anaconda Prompt先前激活的环境下输入：
   
   等待下载完成。

   这里注意：
   （1）命令后面的-c pytorch -c nvidia表示从官网地址下载，如果去掉的话，按理应该是从先前配置的镜像源地址下载，但是实测似乎不能成功（即卡在solving environment不能开始下载），反而是官网地址能够开始下载（但是速度确实有点慢）
   （2）如果使用官网地址下载，可能会有超时问题，即出现提示"CondaError: Downloaded bytes did not match Content-Length"：
   此时可参考此文章中的解决方案二，将conda下载timeout时长设置得大一些，即：conda config --set remote_read_timeout_secs 6000.0（这里我设置为6000后成功了，也可以按实际情况设置）

4. 经过一段时间的等待，界面显示done表示下载安装成功。
   
   通过以下方式进行验证：
   
   torch.cuda.is_available()在执行后显示True，表示安装成功了。

TODO：这样看来，似乎不需要提前手动安装CUDA和cuDNN。之后再验证一下。