详细pytorchGPU配置（CUDA CUDANN pytorch）_pytorch的gpu配置

         在写上一篇文章的时候我发现了一些问题，首先就是上篇文章中所介绍的方法安装的版本为cpu版本，我也是通过查看其安装版本才知道。我去网上参考了一些大佬的方法发现其根本原因在于其“清华镜像源”无对应GPU版本，所以其会默认下载cpu版本。接下来我会以CUDA11.8 python版本3.8为例详细介绍如何配置pytorchGPU版。

我会将所需所有安装包上传到：资料  有需要可以自取

CUDA安装

        首先我们需要进入CUDA官网下载我们所需要的CUDA版本，之前我们使用的命nvidia-smi 查看的是我们电脑所支持的最大CUDA 版本，根据pytorch官网确定其支持的CUDA版本进行合适选择

所以这里我的CUDA版本选择11.8

接下来我们进入CUDA官网：https://developer.nvidia.com/cuda-toolkit-archive

选择 适合自己的版本进行安装：

我的电脑是win11所以选择11 下载方式选择离线下载

下载之后正常运行安装程序，其文件安装的默认位置我不建议改动（在后面会用到）。安装成功后我们运行命令 nvcc --version 进行查看：

我们可以看到安装成功。

cudann安装

接下我们需要进入cuDNN官网下载对应的版本（如果之前没有注册按照流程正常注册就行了）

找到自己所需的版本正常下载解压就行，解压得到：

将其放入之前安装CUDA中的这对应的三个文件中（不改路径的话应该是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8）

接下来我们需要将这几个文件加入环境变量中

打开环境管理器：

 

 

将这三个文件路径 加入就行了

接下来我们来检验一下：

命令页进入这个文件路径下:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite

运行下面两个文件：

bandwidthTest.exe
deviceQuery.exe

 ok前置任务完成

pytorch安装

首先进入pytorch官网点击这个（因为我们需要知道所需要下载 torch torchvision torchaudio的具体版本 )：

进入这个：pytorch whl文件下载

找到对应版本下载： 

 进入下载文件的路径 cd +自己文件路径（如果不行就cd +/d自己路径）然后运行：

pip install torchaudio-2.1.2+cu118-cp38-cp38-win_amd64.whl//以此为例

依次运行三个文件就行（运行可能出现read time out 多试试就行）

注意：一定要在自己所需要的conda环境中运行

安装完毕可以试一下这个代码：

import torch
 
# 创建一个随机的Tensor
x = torch.rand(5, 5)
 
# 将Tensor移动到GPU上
if torch.cuda.is_available():
    x = x.cuda()
    print("Running on GPU:", x)
else:
    print("CUDA is not available. Running on CPU")

 成功应该就是这个结果：

学习参考https://blog.csdn.net/weixin_42493573/article/details/126254404?ops_request_misc=&request_id=&biz_id=102&utm_term=cuda%E5%AE%89%E8%A3%85&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-2-126254404.142^v99^control&spm=1018.2226.3001.4187参考二https://blog.csdn.net/qq_46126258/article/details/112708781