说明

使用 Anaconda 安装，是方便控制 虚拟环境Python的版本，不于本机的全局相冲突。

比如： 全局 ==> Python3.8 / 虚拟环境 ==> Python3.6 PyTorch 0.4 / 虚拟环境 ==> Python3.7 PyTorch 1.7

安装参考：https://bigdataboy.cn/post-342.html

安装 CUDA

正常安装过程就行

CUDA(ComputeUnified Device Architecture)，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，该架构使GPU能够解决复杂的计算问题。

下载网站：https://developer.nvidia.com/cuda-downloads 历史版本下载：https://developer.nvidia.com/cuda-toolkit-archive

[]()

检测 CUDA

cmd 输入：nvcc -V

[]()

安装 cuDNN

NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。

cuDNN 的下载需要登录，但是 nvidia 登录时的验证码经常被强（各种办法尝试都不行），登陆难度极大

不用登陆小技巧：进入历史版本选择好，右键复制链接（就是资源实际地址），然后使用 迅雷 等工具下载

• 下载网站：https://developer.nvidia.com/rdp/cudnn-download
• 历史版本：https://developer.nvidia.com/rdp/cudnn-archive

[]()

解压 & 移动

解压下载的 cuDNN

[]()

把解压的 cuDNN 里的文件，移动到 [路径]\NVIDIA GPU Computing Toolkit\CUDA\v11.4\ 下相应的文件下

cnDNN [bin] -> CUDN [bin]

cnDNN [include] -> CUDN [include]

cnDNN [lib\x64] -> CUDN [lib\x64]

[]()

添加环境变量

把下面两个路径添加进环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\

检测结果

cmd 运行这个exe程序

[]()

创建虚拟环境

conda create -n pytorch python=3.7

虚拟环境名字：pytorch
虚拟环境PY版本：3.7

[]()

安装 PyTorch

切换环境

conda activate pytorch

查看本机 CUDA 版本

[]()

生成安装命令 & 安装

PyTorch 有点大，安装时耐心等待

PyTorch 官网：https://pytorch.org/

命令：conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

[]()

如果下载是在太慢，可以先用其他工具下载好，再本地安装

PyTorch 国内镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch

conda install --use-local  ~/Downloads/a.tar.bz2

验证安装

进入 pytthon shell 进行验证

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

[]()

Pycharm 使用该环境

创建新项目，使用 conda 管理虚拟环境

选择这个环境

[]()

验证

[]()