前言：
配置环境：

• Windows10 + Anaconda + python3.8.10+GPU:RTX2060 ，已安装好显卡驱动

本文安装的Torch和CUDA版本：

• Cuda11.1.1+cuDNN8.05+torch1.8.1+torchvision0.10.0

建议：

• 先了解显卡的cuda版本和cudatoolkit的区别；文中的第一项

1 显卡驱动带的Cuda和自己装的Cuda有什么区别？

疑问： 安装好CUDA后，在cmd中输入nvidia-smi和nvcc -V显示的cuda版本不同？如图所示。
因为网上的讲解挺好的，请看该文章：https://www.jianshu.com/p/eb5335708f2a

2 Cuda11+CudNN安装流程

总结以下下载地址：
1.Nvidia显卡驱动： https://www.nvidia.cn/Download/index.aspx?lang=cn
2.Cuda下载：

• 官网最新版本：https://developer.nvidia.com/cuda-downloads
• 官网往期版本： https://developer.nvidia.com/cuda-toolkit-archive

3.cuDNN下载： https://developer.nvidia.com/rdp/cudnn-archive
4.pytorch和torchvision下载：

• 官网最新版本： https://pytorch.org/get-started/locally/
• 往期版本下载： https://download.pytorch.org/whl/torch_stable.html

3.1 前言：

若显卡已安装好Nvidia显卡驱动，请在cmd使用nvidia-smi查看显支持的cuda的最高版本，如图所示。
若还未安装显卡驱动（也不用担心），安装cuda时勾选显卡驱动可顺便将显卡驱动一起安装
作者的显卡驱动在https://www.nvidia.cn/Download/index.aspx?lang=cn下载并安装完毕。

3.2 Cuda安装：

前言

在3.1中nvidia-smi查询到Cuda版本为11.3（Driver API），因此在下载Cuda为深度学习加速时，只要CUDA Toolkit 的版本<=11.3。

安装步骤

步骤1： 选择合适的cuda版本，并安装，本文选择的是 11.1，如图所示。
最新版本cuda：https://developer.nvidia.com/cuda-downloads（最新版本的cuda）
往期版本cuda：https://developer.nvidia.com/cuda-toolkit-archive （很多版本任君选择）

步骤2：（安装） 双击exe文件完成解压（解压路径最好不要改），进入安装后，选择自定义安装，如下图所示。

步骤3：自定义安装说明， 选好并点击安装。

• 情况1：若电脑已经安装好显卡驱动，只勾选Cuda。其它组件请对比版本号。若当前版本较新，则不安装其它选项，若版本较旧，建议勾选安装，如左图所示 。
• 情况2：若电脑未安装显卡驱动，建议都勾选，会顺便把显卡驱动装上，如右图所示
• 选完后，下一步----安装即可。
  

步骤4： cmd中，输入nvcc -V（注意V是大写），可查当前cuda版本，即安装成功，如下图所示。

TIPS：若nvcc -V没反应，则看是否cuda未加入环境变量
1.打开高级系统设置，在用户变量的Path中加入cuda的bin和lib路径，如

3.3 cuDNN安装步骤（cuDNN8.0.5）

cuDNN下载官网https://developer.nvidia.com/rdp/cudnn-archive
官网已说明Cuda对应的cuDNN版本，相信官网，如图所示。本文选择cuDNN8.0.5
在官网下载cuDNN前需注册Nvidia会员，免费的。

具体步骤： 下载cuDNN，并将zip文件解压，将里面的文件全部复制到CUDA的安装目录中，如图所示。

此时cuDNN也配置完成了！

4 pytorch和torchvision的安装（gpu版本，python3.8+pytorch1.8.1+torchvision0.9.1）

方法一：根据官网指令进行安装（不推荐，容易失败，因为国情原因）

网站：https://pytorch.org/get-started/previous-versions/

说明：

• 命令行中cudatoolkit实际上就是第3点中的Cuda（Runtime API），若已根据第3点安装了Cuda，就不需要cudatoolkit了；
• 第3点中的cuda是系统级安装，命令行的conda install cudatoolkit是虚拟环境级的安装
• 用命令行安装一般都会失败，因为网络问题和安装包比较大，因此请看方法二，用whl安装。

方法二：使用whl安装。

网站：https://download.pytorch.org/whl/torch_stable.html

安装步骤：

步骤1：选择合适的torch和torchvision版本
注意：根据你实际使用的python版本来选择，cp38为python3.8，cp36为python3.6，不要选错了。

步骤二： 安装torch1.8.1
激活安装的虚拟环境->进入whl的文件夹->pip install +文件名 即可完成torch的安装。

步骤三： 安装torchvision（与步骤二类似）
激活安装的虚拟环境->进入whl的文件夹->输入以下命令即可安装完成

pip install --no-deps + 文件名

说明： 不添加–no-deps会导致安装时自动将你的pytorch-gpu版本自动卸载，然后装上别的版本。（这真是神奇的操作，别踩坑了。）

最后：检查是否安装成功，显示true即安装成功