Pytorch的安装（Cuda+Cudnn+Anaconda）GPU版本，巨详细，安装不成功 你来打我_gtx16系列显卡,pycharm安装pytorch

目录

1.CUDA的安装

1.cuda安装之前，需要查看本机的gpu版本

2.查看自己电脑是否安装了显卡驱动

3.观察自己电脑是否安装visual studio

2.Cudnn的安装

1.下载cundnn

2.配置环境变量

3.检验cudnn是否安装成功

3.Anacinda的安装

1.anaconda的下载

2.配置环境变量

4.Pytorch的安装

1.conda搭建虚拟环境

2.安装pytorch

3.检验pytorch是否能够成功调用gpu

---

1.CUDA的安装

1.cuda安装之前，需要查看本机的gpu版本

打开任务管理器 （快捷键ctrl+alt+.） 点击性能 查看gpu版本这里我们是NVIDIA GTX1650,是可以安装cuda的，如果gpu不是NVIDIA版本的，则不能使用cuda，直接跳到步骤四，可以在命令窗口直接安装pytorch。

2.查看自己电脑是否安装了显卡驱动

在桌面右击，打开NVIDIA 控制面板，点击系统信息，我们可以看到自己驱动程序版本，如果没有gpu驱动，建议先安装NVIDIA驱动

点击组件查看支持cuda的版本号，在这支持cuda 11.6.1

3.观察自己电脑是否安装visual studio

在左下角直接搜索visual studio

可以看到并没有安装，如果已经安装接下来步骤将告诉你如何操作。

4.安装cuda

cuda的官方网址为：

kCUDA Toolkit Archive | NVIDIA Developer

选择自己与之匹配的cuda，博主电脑cuda版本是11.6.1，大家根据上方自己查看到的cuda版本进行下载

点击后情况如下，根据指示和自己的实际情况进行选择

下载完成进行安装

选择自定义安装

以下三步是cuda安装成功的关键，建议大家不要搞错

因为我们当前驱动的版本高于他推荐的版本，所以一定要把对号取消。

取消后就可以进行安装了。安装完成后得到如下图。

为了检验我们cuda是否真正安装成功，我们打开命令行窗口(cmd)，因为cuda安装过程中，已经自动配置好了环境变量，我们在命令行中输入 nvcc -V

nvcc -V

显示如下图，则表示cuda安装成功

2.Cudnn的安装

1.下载cundnn

网址Log in | NVIDIA Developer

进入网页，注意先注册

可以使用下面网址，查看适配的 cuDNN

cuDNN Archive | NVIDIA Developer

找到解压后的文件夹

将其复制到我们下载的cuda目录下，一般都是在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA之下

2.配置环境变量

之后需要给cudnn添加环境变量

点开此电脑 系统属性 高级系统设置

环境变量 选择path

添加上两条环境变量

分别是cudnn中的bin目录，cuda中的extras cupti lib64

添加上两条环境变量

分别是cudnn中的bin目录，cuda中的extras cupti lib64

注意要将插入的环境变量上移，防止之前版本的将其覆盖

到此cudnn已经成功安装了。

3.检验cudnn是否安装成功

为了检验cudnn是否成功安装，在cmd运行【C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\extras\demo_suite】路径下的bandwidthTest.exe和deviceQuery.exe，如果都能运行成功，则证明cudnn安装成功。

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite

运行 bandwidthTest.exe

运行 deviceQuery.exe

如图显示，则表示我们cuda和cudnn安装成功，如果之后pytorch安装不成功，建议查找pytorch安装方面的问题，切勿轻易去动cuda和cudnn。

3.Anacinda的安装

Anaconda的安装比较简单，主要分为下载，安装和配置环境变量三个步骤，

1.anaconda的下载

Anaconda的安装网址:Free Download | Anaconda

下载后安装，安装位置没有要求，如果自己的系统盘比较满，可以使用其他的硬盘。

各种next，finsh就可以了，由于比较简单，就不详细介绍了。

2.配置环境变量

添加环境变量

点开此电脑 系统属性 高级系统设置

和上述cudnn中的配置环境变量相同，我们在以后的学习中，配置环境变量也比较常见，建议大家熟悉掌握，当然不熟悉也没关系，百度搜一下，轻而易举的就可以找到如何配置。

找到自己anaconda的安装路径，将其中的三个路径复制进去即可(anaconda anaconda\condabin,anaconda\scripts)

之后打开cmd，输入 conda -V

如图显示，anaconda安装成功

4.Pytorch的安装

终于西天取经，只剩下一条通天河，首先恭喜各位能够顺利到达这一步的各位同学。废话不多说，直接进入安装。

1.conda搭建虚拟环境

首先我们使用cmd用conda创建一个虚拟环境，在命令行输入

conda create -n pytorch python=3.11

在此我们创建了一个名为pytorch，python版本为3.11的虚拟环境。

创建完成后，输入 conda env lsit

可以看出pytorch虚拟环境已经搭建完成

之后我激活pytorch环境

conda activate pytorch

2.安装pytorch

之后在虚拟环境中下载pytorch即可（一定是激活pytorch环境下），下载步骤如下。

进入pytorch官网:

PyTorch

按照自己cuda的版本，选择对应版本的pytorch，复制命令在cmd中运行即可。

如果方框里面没有自己cuda的版本 点击previous versions pytorch，查找对应的pytorch

在cmd安装过程中可以使用conda或者pip安装，不过我用conda一直卡在sovle envrionment这里，我选择使用了pip安装。其次安装前建议找一个网速较快的地方，因为pyorch大约2.4G，安装较慢，需要耐心等一下。

安装完成后在cmd中查看pytorch版本，在cmd中输入

pip list

可以看到torch torchvison和torchandio都显示安装成功，版本为gpu版本

gpu是否可用竟然显示False，我找了半天也没没有发现自己错在了哪里，直到我用pycharm重现查看了gpu是否可用，结果显示可以。所以我就不给大家介绍cmd中查看gpu了

3.检验pytorch是否能够成功调用gpu

Pycharm方式：

打开pycharm，新建一个项目（是在我们前面搭建的pytorch的虚拟环境下）。

找到我们虚拟环境中创建的python。点击ok ok create即可

我们之后新建一个python文件，

在python文件中调用torch库，并且输出cuda是否可以获取gpu和获取gpu的数目

import torch
print("hello")
print(torch.cuda.is_available())
print(torch.cuda.device_count())

运行结果如下

到此，恭喜大家，gpu版本的pytorch已经成功搭建完成。