装pytorch，anaconda，cuda，cudnn，这一篇就够了_pytorch要提前下载cuda和cudnn吗

Pytorch安装以及必要解释

这里先装anaconda还是cuda或者cudnn都是可以的，因为我是先装的anaconda，所以就一这个展开。

Anaconda：以便捷获取包且对包能够进行管理，包括了python和很多常见的软件库和一个包管理器conda。常见的科学计算类的库都包含在里面了，使得安装比常规python安装要容易，同时对环境可以统一管理的发行版本。

下载：

这里要注意，上面的这个勾选与否与是否后来安装pytorch有关，如果要装pytorch就需要勾选PATH environment vatiable

下面default python后面的版本需要和自己电脑的python版本匹配，所以这里就涉及到下载哪个版本的anaconda，在官网可以查到链接：Old package lists — Anaconda documentation

后面的正常操作就行了。

创建虚拟环境，win+r cmd后用

conda create -n 环境名 python=x.x.x -y 创建环境

我的是python3.8，所以是

conda create -n pytorch python=3.8

这里我的环境名字就是pytorch，这个名字是自己可以取的，但是要记住

这里的pyrhon版本查询命令：python –version

安装完成后用conda info –envs观察是否出现

到这里虚拟环境就装好了，进入虚拟环境的命令是

conda activate pytorch

注意这里pytorch就是你自己取的虚拟环境的名字

现在装pytorch

首先下载cuda

Cuda，一种新的操作GPU计算的硬件和软件架构，是建立在NVIDIA的GPUs上的一个通用并行计算平台和编程模型，它提供了GPU编程的简易接口，基于CUDA编程可以构建基于GPU计算的应用程序，利用GPUs的并行计算引擎来更加高效地解决比较复杂的计算难题。它将GPU视作一个数据并行计算设备，而且无需把这些计算映射到图形API。

首先在控制面板看自己的显卡情况，如下

这个表示我们能装的cuda版本最高是11.6.

CUDA GPUs - Compute Capability | NVIDIA Developer 看看自己显卡是否支持cuda（cuda —enabled geforece and titan products）

CUDA Toolkit Archive | NVIDIA Developer  安装

然后按照步骤一步一步来就行了

安装包下载好之后，进入这里

记住选择自定义安装，

在这个页面把visual studio取消，它的位置不一定和这张图片一样，都找一下。

这里安装位置不要动他，并且截屏保存，后面会用到。

安装完成之后配置环境变量：说明：这里不同的可能会是V几，看刚刚自己路径下面是v几就行了，其他都是一样的。

1.

计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_0两个环境变量，接下来，还要在系统中添加以下几个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0(这是默认安装位置的路径，经自定义路径后，我的路径为D:\NVIDIA\CUDA Samples)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

2.

在系统变量 PATH 的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
再添加如下4条（默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64；

配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：
首先win+R启动cmd，cd到安装目录下的 ...\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:

CUDNNN下载：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

注意这里CUDNN版本要和cuda版本匹配。

  下载之后，解压缩，将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可。

这里顺手再下载一个pycharm，很简单，傻瓜式安装就行。

最后从链接下载torch和torchvision

下载链接：https://download.pytorch.org/whl/torch_stable.html

下面这个链接是torch和torchvision的对应关系查询，我下边也附了一张常用图，你的这两个东西的版本和python版本，cuda版本都必须对应好

https://github.com/pytorch/vision#installation

这几个都要对应好，cu113就是cuda11.3，绿色箭头是torch版本，蓝色39就是python版本3.9，然后都有linux和windows两种，选择Windows版本，根据你自己的各个版本去下载对应的whl文件

然后按照torch和torchvision那张图去找你对应的python版本，比如torch1.10.0对应的torchvision版本就是0.11.1

按照上边对应的方法，选择这个就是正确的，下载好两个whl文件后，用anaconda Prompt切换到你的虚拟环境，就是上文那个命令行，在你的虚拟环境中切换到你两个whl文件的安装目录，用cd切换应该都会吧，重点来了：anaconda是不能整体路径切换的，必须要一层一层切换

然后最后一句，在文件名前加pip install去安装这两个文件，是两个文件，都安装完后，就大功告成了

最后验证一下

然后，我们就完成了。