---

win11，NVIDIA GeForce RTX 3060
python 3.7，CUDAv11.1.1，PyTorch 1.9.0
author：zoxiii

---

本篇博客涉及安装包❤️提取码9492
前提最好仔细看，看了不一定有用，但不看一定没用！
有问题随时欢迎指正

0、前提

0.1、安装Anaconda和PyCharm

1. 安装软件Anaconda教程
2. 官网下载安装PyCharm专业版
   
3. 学生邮箱注册账号免费使用PyCharm专业版
4. 无学生邮箱可以下载Community社区版使用

0.2、更新NVIDIA显卡驱动到最新

进入计算机管理，按图示步骤更新。

• 计算机管理→设备管理器→显示适配器→更新驱动
  
• 更新成功
  

0.3、选择你需要的CUDA版本

0.3.1、 查看最高可以选择的CUDA版本

• 方法一：进入cmd中查看（Win + R + 输入cmd+ Enter）

nvidia-smi

• 方法二：桌面→右键→NVIDIA控制面板→系统信息→组件→CUDA
  

我们需要的CUDA版本应 $\le$ v11.6
一般不建议直接安装最高版本的CUDA，因为如果后续使用PyTorch或TensorFlow，95%的情况下是不兼容的（咱就是说稳定的总比最新的好）

0.3.2、 支持你的GPU算力

• GPU算力查询地址
  我的GPU为NVIDIA GeForce RTX 3060
  
• CUDA各版本支持算力
• CUDA支持算力需 $\le$ GPU算力(8.6) 但又不能跨版本即需 $\ge$ 8.0
• 那么10.x系列CUDA就不满足

我们需要的CUDA版本应 $\ge$ v11.0

0.3.3、 支持你的PyTorch版本

• PyTorch官网
  在这里可以看到可通过conda或者pip命令来安装PyTorch
  • 踩雷：我在使用conda命令安装CUDAv11.3对应的PyTorch时候会安装成仅cpu可用的PyTorch（不知何原因），conda安装好像会自动匹配库最新的版本，所以最好是确定好你想要的cudatoolkit以及pytorch的版本最好。
  • 使用pip安装Wheel文件可以一定程度避免出错，还可在PyTorch的Wheel文件地址下载你需要的特定的PyTorch版本后本地安装（wheel文件是python的一种生成包格式文件,像一种特定的zip文件）
• 根据【0.3.1】和【0.3.2】我们需要的CUDA版本应在 [v11.0, v11.6] 范围，我这里选择的是 CUDAv11.1，如下图所示，可直接复制官网的命令（一般官网给出的是经过测试的构建配置）
  
• 如果你还有TensorFlow的安装需求的话，也可在Build from source on Windows | TensorFlow 查看版本对应关系。
  

1、配置CUDA

1.1、下载对应版本CUDA

• cuda各版本下载地址
• cuda官方手册
• 这里选择版本为：CUDA Toolkit 11.1.1
  （虽然这里没有windows11版本的，但按理来说应该不影响）
  

1.2、安装CUDA

1. 选择一个目录来安装临时文件
   • 安装完成后该目录会自动被删除

2. 阅读协议，同意并继续

3. 自定义安装

4. 自定义安装组件
   
5. 选择安装位置
   D:\Program Files\NVIDIA CUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.1
D:\Program Files\NVIDIA CUDA\NVIDIA Corporation\CUDA Samples\v11.1
   
6. 下载安装中
   
7. 下载完成，下一步
   
8. 安装结束
   
9. 检查是否安装成功

（1） 进入cmd

nvcc -V

（2） 进入Windows PowerShell

cd D:
cd \"Program Files"\"NVIDIA CUDA"\"NVIDIA GPU Computing Toolkit"\CUDA\v11.1\extras\demo_suite
# 有空格的路径需要加双引号哦~

./bandwidthTest.exe

./deviceQuery.exe

（3）觉得不保险，还可以去看一下环境变量有没有
  控制面板→→编辑系统环境变量→→环境变量

2、配置cuDNN

2.1、下载cuDNN

• cuDNN下载地址
  
• 选择适合的版本
  • 需要注意CUDA和cuDNN的版本对应关系
  • 一般需要注册登录了才能下载

2.2、安装cuDNN

  解压后,将cudnn目录下的文件对应放在cuda目录，即D:\Program Files\NVIDIA CUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.1目录下的三个对应文件夹下

• bin
• include
• lib

3、安装PyTorch

3.1、找可用的PyTorch版本

• PyTorch官网
• PyTorch，torchvision与Python版本对应关系
  
• 本来想安装1.10.0版本的torch，但是在执行中发现torchvision对应的0.11.1版本wheel文件不存在
• 所以选择了1.9.0版本的torch

3.2、pip安装PyTorch

• 参考如何创建Anaconda虚拟环境
• 进入Anaconda Prompt

创建环境，环境名为mypytorch，可自己改想要的名称，也可以选择3.8版本的python

conda create -n mypytorch python=3.7

激活环境

conda activate mypytorch

安装cudatoolkit，目前最新的版本为11.3.1

conda install cudatoolkit

安装PyTorch

pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

网速不好的话可以选择下载wheel文件本地安装或者挂🪜，转【3.3】

3.3、本地安装PyTorch

• 下载whl文件到C:\Users\mysel目录下（安装完后可删除，也可留着之后配置别的虚拟环境）
  • torch==1.9.0+cu111
  • torchvision==0.10.0+cu111
  • torchaudio==0.9.0
• cp37表示我的虚拟环境python版本为3.7
• win_amd64表示是windows版本的

• 进入Anaconda Prompt进行安装（注意先进入你的虚拟环境中）

conda activate 你的虚拟环境名称

## 按顺序安装，不然可能安装torchvision的时候给你安装了cpu版本的torch
pip install torch-1.9.0+cu111-cp37-cp37m-win_amd64.whl
pip install torchvision-0.10.0+cu111-cp37-cp37m-win_amd64.whl
pip install torchaudio-0.9.0-cp37-cp37m-win_amd64.whl

3.4、验证是否成功

(mypytorch) C:\Users\mysel>python
......................................
>>> import torch
>>> torch.__version__
>>> torch.cuda.is_available()  ## 一定要输出True才是成功

## 验证后可退出python，继续安装别的库
>>> exit()

• 接下来就可以打开一个使用pytorch的深度学习项目跑一下测试了，当然还是会继续遇到一些新的问题，慢慢解决吧！