初学者进化（1）：pytorch的cuda环境搭建（GPU版本安装）全攻略

这里写自定义目录标题小白进化：用gpu跑pytorch全过程攻略新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导

玛卡巴卡的图像识别

8396人浏览 · 2021-11-09 11:28:27

玛卡巴卡的图像识别 · 2021-11-09 11:28:27 发布

这里写自定义目录标题

#**

初学者进化：用gpu跑pytorch全过程攻略

在训练神经网络这方面，gpu的效率能达到cpu的几十倍，所以想要学好神经网络，gpu的配置是必要的。
本文仅限于pytorch环境的gpu安装（不过cuda和cudnn环境是通用的）

作者也是一点点bug改过来的，深感找文章麻烦，所以我把自己的心路历程与遇到的bug写下这篇文章，以期对后入有益，便足矣。

我总结的安装要求大概是对应版本的cuda+cudnn+pytorch+torchvision+python环境，每一项都要和版本一一对应。（作者还遇到了新建环境后spyder打不开的情况，会在附录中加上）

1.cuda安装

cuda的安装教程十分简单，参考下述教程：
https://blog.csdn.net/qq_36653505/article/details/81368346

感谢大佬无私帮助

2.cudnn安装

cudnn主要用于卷积等运算，是pytorch学习模型的依赖
下载对应版本的cudnn链接：https://developer.nvidia.com/rdp/cudnn-archive
这里要根据下载的cuda版本，寻找对应的cudnn

在这里插入图片描述
打开压缩包，依次将压缩包中的3个文件复制到相应位置

C:\cuda\bin\cudnn64_7.dll —> C:\Program Files\NVIDIA GPUComputing
Toolkit\CUDA\v9.1\bin

C:\cuda\include\cudnn.h —> C:\Program Files\NVIDIA GPUComputing
Toolkit\CUDA\v9.1\include

C:\cuda\lib\x64\cudnn.lib —> C:\Program Files\NVIDIA GPUComputing
Toolkit\CUDA\v9.1\lib\x64

ps：本文为CSDN博主「Never-Giveup」的原创文章，在这引用，感谢大佬的无私帮助。原文链接：https://blog.csdn.net/qq_36653505/article/details/83932941

cuda和cudnn都需要配置对应的环境变量：

在这里插入图片描述

cudnn的环境变量是：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64

3.pytorch 和torchvision下载

这里一定要下载对应版本的pytorch和torchvision

在这里插入图片描述

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

在这里插入图片描述

按ctrl+f检索cu，因为我的是cuda10.1版本，所以我搜索的是cu101，大家按照自己对应的版本寻找下载即可。（注意python环境，不同环境下的包是不一样的）

下完之后的包是这样的：
在这里插入图片描述
下一步就是下载了，
先用anaconda下载一个powershell

然后找到包对应的位置下载

这里把下载命令放一下：
pytorch下载命令：pip install torch-1.6.0+cu101-cp38-cp38-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple

torchvision下载命令：pip install torchvision-0.7.0+cu101-cp38-cp38-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple

之后等下载就好了。

4.总结

*一定要注意对应的python版本！不然很有可能前功尽弃。

全部都安装好后，就可以进行检测啦

import torch
# 返回当前设备索引
print(torch.cuda.current_device())

# 返回GPU的数量
print(torch.cuda.device_count())

# 返回gpu名字，设备索引默认从0开始
print(torch.cuda.get_device_name(0))

# cuda是否可用，为true就可用了
print(torch.cuda.is_available())

#查看cudnn版本
print(torch.backends.cudnn.version())

#查看torch版本
print(torch.__version__)

输出结果是这样的：
在这里插入图片描述
然后随便找一个神经网络在gpu上训练的代码
打开任务管理器

找到cuda，然后运行代码，如果cuda在使用了，就恭喜你成功啦！

附录

本人在安装的过程中还遇到了spyder打不开的情况，当所有东西都准备好后，spyder打不开了
我人裂开了
这里是我在网上找的spyder各个情况解决方法：
https://www.jb51.net/article/211732.htm

最后的最后，感谢各路大佬在我安装时候给予的帮助
文章在这里，如果还有问题的朋友可以顺着我这去看看：

1.pytorch的cuda安装
https://blog.csdn.net/qq_36653505/article/details/83932941
2.gpu整体环境搭建
https://blog.csdn.net/qq_36653505/article/details/83932941
3.解决spyder打不开的问题
https://www.jb51.net/article/211732.htm
4.torch 和torchvision对应关系并附下载路径
https://blog.csdn.net/studyvcmfc/article/details/109404951
5.pytorch 换版本_Windows10+CUDA 10.1.0+pytorch安装过程
https://blog.csdn.net/weixin_39888018/article/details/112197172
6.Win10安装CUDA10和cuDNN
https://blog.csdn.net/qq_37296487/article/details/83028394
7.cudnn下载官网
https://developer.nvidia.com/rdp/cudnn-archive

谢谢收看，希望有用。