CUDA+CUDNN安装

pytorch环境安装

安装CUDA+CUDNN

首先查看自己的GPU版本，找到对应的CUDA、CUDNN版本

打开英伟达控制面板：

在帮助——系统信息——组件中查看CUDA版本

这里可以看到CUDA11.1版本，那么去官网下载

https://developer.nvidia.com/cuda-toolkit-archive

下载完成后，双击打开

然后一直点确定就可以了，注意！第一次路径时tmp临时文件的路径，第二次的路径才是保存的路径，在选择精简模式和自定义时要选择自定义，程序安装完成后会删除tmp路径，所以两次路径不能是同样的，否则最后会被删除。

安装完成后，cmd输入命令

nvcc -V

安装完成

安装CUDNN

安装完成后，解压缩CUDNN，实际上他就是CUDA的一些链接文件，将里面的内容放在CUDA目录下就可以，包括bin、lib中的x64、include文件下的内容：

将这三个文件夹中的内容全部复制到CUDA的同名目录下即可。

创建conda虚拟环境

创建conda虚拟环境命令

conda create --name d2l python=3.9 -y

激活虚拟环境

activate d2l

在虚拟环境中安装torch

根据上面conda的命令激活我们创建的虚拟环境d2l，然后再下面的链接中找到对应自己计算机CUDA版本的torch和torchvision版本，然后使用pip安装（注意，一定要带上后面的哈希值，在网页中可以邮件复制链接地址即可带上这个哈希值）

pip install https://download.pytorch.org/whl/cu117/torch-2.0.1%2Bcu117-cp39-cp39-win_amd64.whl#sha256=245d04e1541350dba11c7b76e343ca0071bbcb10f956a09b6bede3d68db9e759

pip install https://download.pytorch.org/whl/cu117/torchvision-0.15.2%2Bcu117-cp39-cp39-win_amd64.whl#sha256=8e0701a162cca13cee637397d7a67248bfeec35086cc753a1c513b2ea1dd476e

https://download.pytorch.org/whl/

然后再虚拟环境中查看是否安装成功：

返回值是True就说明安装完成。