目录

前言

一、CUDA的安装

1.确认自己的电脑是否可以使用CUDA

2.下载CUDA

二、cuDNN的安装

1.下载cuDNN

2.安装cuDNN

三、Anaconda环境的配置

四、Pytorch的安装

五、验证

总结

---

前言

本文是在Windows10，Anaconda上安装Pytorch+CUDA的环境，包含下载-安装-验证的全过程，很详细的教程，对初学者极其友好！

版本如下：

CUDA    11.3

Pytorch  1.11

这周接到导师的任务，去复现一篇论文的结果，代码是基于Pytorch的，为了尽快计算出来结果（去玩），于是准备采用GPU计算。因为计算量还可以所以就先不用超算平台啦，索性拿出了我的游戏本hhh。

一、CUDA的安装

1.确认自己的电脑是否可以使用CUDA

在桌面鼠标右键，进入NVDIA控制面板：

点击左下角的 系统信息：

 点击组件，显示CUDA后续即为版本号

2.下载CUDA

CUDA 11.3 下载网址：CUDA Toolkit 11.3 Downloads | NVIDIA Developer

或者直接百度搜索：CUDA + 希望下载的版本号，进入官网即可

进入以后，选择Windows

 然后，依次选择图中的深色选项，最后点击红框里的下载。

下载完成后，打开后首先会解压，路径可以改成一个新的文件夹：

解压完成后，等待：

 

同意并继续。

 选择精简版会直接在默认路径安装，可以选择自定义，然后改路径：

继续：

可以更改安装路径，然后等待安装，安装完成后建议重启电脑。

在桌面打开一个新的Terminal，输入 nvcc -V

显示则安装成功。

二、cuDNN的安装

1.下载cuDNN

下载地址：https://developer.nvidia.com/rdp/cudnn-download

登录后才可以下载，没有账号先注册。

 然后勾选。

选择11.x版本

2.安装cuDNN

 下载完成后解压，会出现如下文件，

分别将三个文件夹下的所有文件拷贝至CUDA安装目录下对应的文件夹中：

然后将环境变量的第二条改成如下：

---

三、Anaconda环境的配置

首先，进入base(root)的Terminal，这里介绍重新建一个env。

如果，之前的env没有安装Pytorch也可以使用，请直接往下滑，跳转到：四、Pytorch的安装。

首先进入Terminal：

点击base(root) 右侧的按钮，选择Open Terminal

这里新建一个名叫pytorch_gpu的env，可自定python版本，然后输入：

conda create -name pytorch_gpu python=3.7 anaconda

按照操作完成即可。

四、Pytorch的安装

Pytorch 安装命令获取网址：PyTorch

往下滑，找到这里，然后依次选择Conda或者Pip，CUDA11.3，然后就会自动生成蓝框中的安装命令：

内容如下：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

然后进入刚才新建的pytorch_gpu的Terminal，两种进入方法：

1.在Windows开始菜单中打开

2.在Anaconda Navigator中打开，参见步骤三

进入后，将命令输入并安装即可。

五、验证

继续在Terminal输入python，然后输入

import torch

 再输入：

torch.cuda.is_available()

输出True，即为成功。

如果为False，可以先试一下重启电脑。

 此外，还可以查看一下版本信息：

print(torch.__version__)
print(torch.version.cuda)

完整过程如下：

大功告成！

总结

大家按照步骤完成就可以啦。使用GPU后，计算会非常快，越好的GPU速度提升会越显著。

以上就是今天的教程啦，本文仅仅简单介绍了环境的搭建，欢迎大家评论，分享看法，提出意见。最后希望大家认真完成自己的项目哦~