pytorch -gpu 环境配置_pytorch gpu环境搭建

网上有许多pytorch -gpu环境配置的方法，我结合了许多篇文章自己成功安装并把完整的安装过程记录下来，大家可以参考一下
首先打开NVIDIA控制面板：搜索NViDIA即可出现

进入NVIDIA控制面板后点击系统信息：

.csdnimg.cn/3229a7fe8d3042b0b16830642bde0f11.png)

我的驱动版本支持CUDA 11.6
NVIDIA官网下载CUDA（是NVIDIA推出的用于自家GPU的并行计算框架，CUDA只能在NVIDIA的GPU上运行，）：

选择对应版本

接下来下载cuDNN（是NVIDIA打造的针对深度神经网络的加速库，不是必须，但一般会采用）

选择对应版本：

两个东西下好后：

运行cuda的那个exe文件安装cuda：

如果当前版本比新版本要大，那么就取消打勾
如果当前版本比新版本要小或者等于，那么勾选上

之后进入Dos命令行：

若有版本信息则安装成功

接下来是cudnn的安装，严格来说不是安装，就是复制粘贴

重命名为cudnn

接下来复制到

cudnn就安装成功了

接下来配置环境变量：
此电脑->右键属性->高级系统设置->高级->环境变量

Path路径双击打开

可能已经自动配置好了一个环境变量，即上图中的CUDA\v11.6\bin，若没有也可以自己配置。
还有一个环境变量需要配置，如下：

这个路径也要加到环境变量中：

复制上面的路径，填入：

配置好这两个环境变量后，下面是安装pytorch：
首先在conda中新建环境：
首先可以查看自己的python版本：
Win+R，打开cmd，输入python：

再进入Anaconda Prompt(这个需要先下载Anaconda)
输入：conda create -n pytorchgpu python=3.8

之后弹出提示，输入y，即可安装，
安装成功后，输入：

查看环境，之后激活pytorchgpu环境：

接下来安装pytorch：
进入pytorch官网(pytorch.org)选择对应安装命令：

复制下来在激活的pytorchgpu环境中运行：
这是运行过程

结束：

验证：

到此就结束了
如果不放心可以再使用下面命令验证一下：