NvidiaRTX3070Ti/GTX960M深度学习环境搭建教程_gtx960m怎么用pytorch

距离上一篇发过的关于如何申请GitHub学生包的教程也过了一段时间，笔者在那段时间处于深度学习的入门状态，当时遇到的最大问题便是则是搭建运行环境。而环境搭不对，后续的工作便很难推进，因此这个话题是想给大家分享下在这个过程中我摸索出来的环境配置，以供参考。

在寻找环境的过程中笔者也参考了一些教程也挺有借鉴，连接如下，大家可以看看。
960M环境搭建配置
CUDA环境安装

我使用的配置有两台分别是：
1、GPU：GTX960M-4G显存一块
内存：16G
CPU：i7-6700HQ
2、GPU：RTX3070Ti-8G显存两块
内存：64G
CPU：i9-13900k

Pytorch环境：python=3.7，CUDA=11.1 CUdnn=11.3，pytorch=1.8.0，

需要注意的是以上两台用到的环境都是一样，因此如果你的电脑是这两配置中的任意一个都是可以用的，另外如果你的电脑性能是处于这两台之间的，笔者猜测也是可行的可以试试。

那么如何顺利搭建并成功运行环境呢，首先，我们需要先了解电脑中的显卡的驱动的版本，看看驱动是否是最新(以防万一，尽量升级最新版本)，可以通过电脑win+R打开运行，然后在运行中输入并打开cmd，在cmd内输入nvidia-smi，看最上面的Driver Version。如果驱动不是是最新，可以按照连接教程的方法二来登录英伟达官网更新。

接着我们需要给自己的电脑上安装CUDA和CUdnn，在这里面我安装的CUDA11.1和CUdnn11.3( 笔者已经安装包上传至网盘内 如果你嫌下载麻烦可以网盘下载)。需要注意的是这两个在后续运行的神经网络时至关重要，如果安装不对，很容易导致出现cuda无法获得的报错。CUDA和CUdnn的安装过程可以参考下面这个视频教程：
CUDA及CUdnn安装教程
链接：https://pan.baidu.com/s/1l1bZ_hhwL47FFGZux0O-nA
提取码：2023

当按照教程安装完CUdnn后还需要将lib、bin、linclude文件夹添加至环境变量中。添加的教程可以参考以下连接：
文件添加环境变量方法

安装完后，接着开始下载安装anaconda，安装过程可以参考这个视频的教程：
conda安装
之后就是pytorch的安装，安装过程仍然参照这个视频的教程来，只将其中的pytorch下载版本换成1.8.0即可，具体如下：
其他的则不变。

安装好pytorch后接下来就是安装pycharm和环境导入，安装过程参考这个视频即可。
pycharm及环境导入

当一切安装好后，可以去GitHub随便找一个深度学习代码试试，如果能跑起来就说明能行了(在跑代码的过程中可能会出现模块没有导入的情况，这个不同担心，在anaconda prompt中导入所缺失的模块即可，具体教程可以参考以下连接