深度学习实用工具——CUDA，CUDNN以及GPU版pytorch下载及安装教程_cuda下载

1. 前置工作

（1）首先我们要确定本机是否有独立显卡，右键点击开始按钮—设备管理器——显示适配器中，查看是否有独立显卡。

如上图中，本机装有英伟达的GTX 1050的显卡
（2）进行显卡的驱动安装，如果已经安装了驱动，可以将驱动进行一下自动更新。
（3）查看Nvidia显卡驱动，win + R打开命令行，输入：nvidia-smi

可以看到本机的驱动版本Driver-Version：456.71，CUDA版本CUDA Version:11.1。注意：
因此安装的CUDA toolkit版本不可超过11.1；Driver-Version不超过456.71。

2. CUDA下载与安装

（1）下载适合自己显卡的CUDA版本，比如我的显卡版本是11.1，可以下载11.1的CUDA，下载网址：https://developer.nvidia.com/cuda-toolkit-archive。国外网址，有时会出现进不去的情况，可以尝试国内版：https://developer.nvidia.cn/cuda-toolkit-archive。
（2）CUDA安装
第一步：双击安装程序，软件许可协议点击同意并继续。

第二步：自定义安装选项：如果是第一次安装，尽量全选；如果是第n次安装，尽量只选择第一个，否则可能会出现错误。

第三步：选择安装位置，这里建议默认安装，如果选择手动安装，要记住安装位置，后续可能需要配置环境变量。

第四步：开始准备安装，等待安装完成。

第五步：查看环境变量是否已配置。目前的CUDA安装好之后会自动配置环境变量，如果没有，则需要手动配置。打开高级系统设置——环境变量——系统变量，查看是否有CUDA_PATH和CUDA_PATH_V11_1两个环境变量。

第六步：查看CUDA是否安装成功
打开cmd，输入nvcc –V，会有如下提示，显示安装成功。

进入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite（或者是自己安装的CUDA路径），分别将bandwidthTest.exe和deviceQuery.exe拖入到cmd中执行，若结果为都为PASS，表示CUDA的安装与环境变量配置均成功。

3. cuDNN下载与安装

这里先解释一下CUDA与cuDNN的关系：CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。
安装过程：

第一步：官网下载cuDNN的安装包,地址：https://developer.nvidia.com/cudnn，这里需要注册等录一下之后再下载，也可以在网上找到别人已经下载好的资源。这里注意要选择和CUDA对应的cuDNN安装包。

第二步：解压下载好的安装包，这里我下载的是：cudnn-11.1-windows-x64-v8.0.5.39.zip，解压后，安装包里包含三个文件夹。

第三步：将三个文件里的文件，全部复制到cuda安装目录下的同名文件夹中，即可完成安装。

4. GPU版pytorch下载与安装（conda环境下）

第一步：创建虚拟环境（安装anaconda基础上）
打开cmd，输入类似于下面的命令：conda create --name py38 python=3.8，这句表示创建一个名为py38的环境，指定Python版本是3.8。

第二步：进入虚拟环境
在cmd中输入：activate py38，py38需要替换成自己的环境名称。

第三步：安装pytorch
进入官网，查询适合自己CUDA和Python版本的pytorch版本：//pytorch.org/，然后选择相应的安装选项，获取安装指令。

然后将此安装指令输入到cmd（上一步进入的虚拟环境下）中，进行安装。

这里官网安装会比较慢，也可以采用国内镜像源安装。需要首先配置国内镜像源（如清华镜像源），然后进入pytorch官网，根据Python和CUDA选择对应的版本，然后得到官方的安装指令。，但是这里一定要注意，去掉安装指令的-c pytorch，安装的时候才会默认从清华源下载相应的包。

第四步：验证安装
下载之后，通过命令行验证一下。在cmd中进入刚刚安装pytorch的虚拟环境，输入python进入python环境，然后输入以下代码：

import torch
print(torch.__version__)
print("gpu", torch.cuda.is_available())
1
2
3

显示torch版本以及True，说明配置成功。

5. 补充

这里补充一些conda里虚拟环境的安装和进入的命令
（1）创建虚拟环境
conda create --name py38 python=3.8 #创建一个名为python38的环境，指定Python版本是3.8
（2） 使用环境
activate py35 # for Windows 进入名为py35的虚拟环境
（3） 其它常用命令
conda info -e #查看所有虚拟环境
source activate snowflakes #切换环境
deactivate py35 # for Windows 退出虚拟环境
source deactivate py35 # for Linux & Mac 退出虚拟环境
conda remove --name py35 --all # 删除一个已有的环境
conda install xxx #安装xxx包
conda install pyspark=2.3.0 # 安装指定版本的包
conda list # 查看已经安装的库
conda list -n py35 # 查看某个指定环境的已安装包
conda uninstall xxx #卸载xxx包
pip uninstall xxx #要是conda命令失败可以用pip
conda install -n py35 numpy # 安装package到指定的环境
conda update -n py35 numpy # 更新
package conda remove -n py35 numpy # 删除package
conda update python # 更新python

写在最后

这一篇是将自己安装整个软件的过程进行了记录，方便自己后续进行查看，欢迎大家补充，指正，有问题也可以在评论区提问，看到之后我也会及时回答的。