配置pytorch环境保姆级教程--GPU版本_pytorchgpu版本

提前声明：本文仅做个人学习所用，如若发生侵权行为本文可删除。 

安装pytorch-gpu版本

1. 查看英伟达显卡的版本

右键->NVIDIA控制面板->帮助->系统信息->组件查看版本

安装的CUDA只要低于设备支持的版本即可

Ps：CUDA和CUDANN的版本安装要对应（不然会出错）

 

2、去官网下载CUDA和CUDANN

CUDA下载的官网CUDA Toolkit Archive | NVIDIA Developer

（根据自己电脑的情况进行选择

下载完成就依次安装，打开安装包按照提示即可，文件路径也是可以不变的。

CUDANN下载https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b

Ps:注意版本要与刚刚下载的CUDA对应

将上图中CUDANN解压后的文件夹复制到CUDA里面的cudann文件夹（该文件要自己创建）

CUDA的文件路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6

（如果你不是这个路径说明你安装CUDA的时候改了安装路径，上面的路径上默认的）

最后的效果如图

查看是否安装成功 在命令行中输入nvcc -V

3、添加环境变量

此电脑右键->属性->高级系统设置->环境变量->系统变量的path->双击打开->添加路径（红框框两个）

4、安装anaconda环境（为了在命令行中也能使用conda命令）

官网下载Anaconda | The World’s Most Popular Data Science Platform

博客教程anaconda的安装和使用（管理python环境看这一篇就够了）_anaconda安装环境-CSDN博客

（很容易就能够装上了）

检查是否安装成功：（有anaconda prompt就是安装成功了）

5、win+R输入cmd打开命令行

1）输入conda检查是否能够运行，若不能够成功运行说明anaconda没装上，但是如果上一步检查结果出现了应该不会出现这个情况；

2）输入conda env list 查看当前环境的配置情况，什么都没有装的时候就只有一个base环境；

 

3）我们需要新建一个环境，输入conda create -n torch11 python=3.9

（这个torch11是你要创建环境的名字，可以自己取一个，这个11表示torch的版本是11.X的；3.9是python的版本，自行查看）

4）再次输入conda env list可以看见刚刚创建的环境

 5）输入conda activate torch11 来激活刚刚创建的环境

6）安装GPU版本的torch和torvision

下载地址：https://download.pytorch.org/whl/torch_stable.html

版本对应图

我下载的是torch1.8+cu111和torchvision0.9+cu111（cu表示GPU，cp表示CPU

Ps：在浏览器下载完成后，将两个文件放在一个文件夹

在命令行直接切到torch_cu文件，安装torch和torchvision

 7）输入pip list 查看是否成功安装torch和torchvision

 8) 检查GPU版本的pytorch是否成功配置

Torch.cuda.is_available()结果为true说明成功配置

 9)装一些必要的库，如opencv-python、tensorboard、tqdm等

10) 在pycharm里面选择解释器的时候选择刚刚配置的torch11