3090显卡(CUDA11.1)安装Pytorch_cuda11.1安装

3090显卡(CUDA11.1)安装Pytorch

由于官方暂时没有11.1版本的Pytorch安装方法，可以使用11.0版本的安装方法，经过测试，在3090上是可以正常使用的。
官方给出的安装方法：

pip install torch===1.7.1+cu110 torchvision===0.8.2+cu110 torchaudio===0.7.2 -f 
https://download.pytorch.org/whl/torch_stable.html
1
2

在安装过程中，由于连接的是Pytorch的官方地址，所以下载的速度是很慢的，可以手动下载torch包和torchvison的包进行安装，运行一下上面的安装命令，就能看到地址。
另外，安装完torch包以后，在安装torchvison的包时，可能会自动下载另一个版本的torch包，可以通过
pip install --no-deps torchvision-0.8.2+cu110-cp38-cp38-linux_x86_64.whl解决。

pytorch中查看gpu信息

为什么将数据转移至GPU的方法叫做.cuda而不是.gpu，就像将数据转移至CPU调用的方法是.cpu？这是因为GPU的编程接口采用CUDA，而目前并不是所有的GPU都支持CUDA，只有部分Nvidia的GPU才支持。PyTorch未来可能会支持AMD的GPU，而AMD GPU的编程接口采用OpenCL，因此PyTorch还预留着.cl方法，用于以后支持AMD等的GPU。
torch.cuda.is_available()cuda是否可用；
torch.cuda.device_count()返回gpu数量；
torch.cuda.get_device_name(0)返回gpu名字，设备索引默认从0开始；
torch.cuda.current_device()返回当前设备索引；

环境搭建：win10+CUDA11.1+cuDNN+Anaconda+pytorch+pyCharm编辑器

1.下载CUDA ToolKit和与之对应的cudnn版本

（1）查看CUDA驱动版本：
控制面板–>所有控制面板项–>NVDIA控制面板–>帮助–>系统信息–>组件–>3D设置栏查看文件名为NVCUDA64.dll的产品名称。
我的版本为11.1：

（2）下载安装
官网下载对应版本（11.1）

双击运行cuda11.1的exe文件进行安装，路径放在默认位置（即：C:…\AppData\Local\Temp\CUDA）,安装方式选择精简，然后一直按照流程点，有add path要加（即安装的时候把路径自动放到系统变量中）。最后默认安装位置为为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
验证：cmd输入nvcc -V,出现版本号即可

然后把cudnn(一定要是与CUDA对应的版本)的压缩包解压，把解压后的三个文件夹bin | include | lib复制后粘贴到CUDA安装路径下
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
原文件夹下也有这三个文件，可选择替换。
验证cuDNN是否成功：
cmd下cd到安装目录下的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite然后分别执行bandwidthTest.exe和deviceQuery.exe,结果都出现Result=PASS，则表示第配置cuDNN成功

2.Anaconda安装

官网下载，我选择的是：

完成后在G:\新建空文件夹Anaconda，双击下载好的安装程序开始安装：

按提示下一步就好了，安装路径选择G:\Anaconda，add path要勾选上（自动添加到系统变量）
安装完成后可以在所有程序那里看到Anaconda3的文件夹，也可以验证：cmd输入python：

到此安装完成

3.Pycharm编辑器

官网下载，选择社区版（复制下载链接到迅雷下载下的快些），双击安装程序一步一步按提示安装，同上面的安装步骤一样需要注意添加路径。

4.Pytorch配置（还就内个折磨王）

建议使用离线安装

在线安装的折磨过程（建议直接跳到离线安装过程）：
pytorch官网选择对应版本，我的如下：

stable(1.8.0)是默认的，然后点击Windows | Conda | Python | CUDA11.1
下面的信息：

就是告诉在线安装的对应命令是什么（Note信息指出对于CUDA11.1版本必须要加上“conda-forge”）
这个的默认下载通道是官网下载通道，会更慢，于是选择使用国内的镜像进行安装，方法是：先将清华镜像通道设为优先级最高的下载通道，然后执行官网给出的对应安装命令（把那个 -c pytorch 这两个词删了，因为这个的意思是优先使用官网的下载通道）
具体操作如下：
创建新的虚拟环境，命名为pytorch：

conda create -n pytorch python=3.8
1

使用该虚拟环境：

conda activate pytorch
1

前面多了个（pytorch）表示现在该环境内操作
清华镜像通道设为优先：Anaconda Prompt一行一行的运行以下四行代码：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
config --set show_channel_urls yes
config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
1
2
3
4

然后再将官网给出的安装命令去掉‘-c python’输入进行安装，我的是：

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c conda-forge
1

以前的博客都是CUDA10.0\10.1的，没有后面这个‘-c conda-forge’，然后是安装成功了的，但是CUDA11.1必须要加上‘-c conda-forge’，我不太清楚这个是否会导致仍然使用官网的通道进行下载，反正下载只有几KB/s，总大小为2个多G，中途稍微不注意停着不动了，就只能重新安装（还有一个问题是之前的失败安装还会影响重新安装的过程，会出现WARNING信息提示有的文件夹删不掉，所以我每次都是重新安装Anaconda之后再重新安装pytorch），每次都在最后两个大一点的文件哪里卡住不动，尝试了3遍，一个下午的时间就没了，最主要的是盯着下载进度的时候担心它又停住的精神折磨，比晋级赛还心累。

然后尝试离线安装

（1）重装Anaconda（之前下载包的时候中途崩了，导致后面再下载包的时候有warning信息，还是重装保险一点）

（2）根据官网信息下载离线.whl文件
官网信息：

也就是把在线安装的conda改成了pip，官网信息指出对应的版本是torch=1.8.0,torchvision=0.0.0,cu111,根据这三个版本在
离线文件下载地址
选择对应的torch和torchvision的.whl文件下载链接（复制链接到迅雷下载很快）：

（3）安装离线包
打开Anaconda prompt并创建虚拟环境

进入环境：

输入命令：pip install (whl文件保存路径)\文件名称
分别安装两个文件

检查：

没报错。
晋级赛√√××√

5.pychram使用pytorch框架：
new projiect–>Location输入项目路径与名称–>New environment选择conda–>Existing interpreter浏览–>点击conda rnvironment–>interpreter浏览–>选择G:\Anaconda\envs\pytorch目录下的python.exe–>点击ok–>点击create
一个Pytorch项目就创建完成了。

https://blog.csdn.net/qq_39598461/article/details/114701492
https://blog.csdn.net/qq_39598461/article/details/114701492