win10+cuda11.0+pytorch1.7.1安装教程

一、电脑配置检查1. 检查电脑显卡类型注意电脑显卡不是NVIDIA的忽略这一步，非NVIDIA显卡不能安装CUDA。在桌面鼠标右键：点击NVIDIA 控制面板->选择左下角系统信息->组件从第三幅图可以看出我的CUDA是11的版本，所以下面我将安装11版本的CUDA二、更新你的NVIDIA驱动进入NVIDIA官网：https://www.nvidia.cn/gefor...

goto_past

7794人浏览 · 2021-12-10 14:45:43

goto_past · 2021-12-10 14:45:43 发布

一、电脑配置检查

1. 检查电脑显卡类型

注意电脑显卡不是NVIDIA的忽略这一步，非NVIDIA显卡不能安装CUDA。
在桌面鼠标右键：

点击NVIDIA 控制面板->选择左下角系统信息->组件

从第三幅图可以看出我的CUDA是11的版本，所以下面我将安装11版本的CUDA

二、更新你的NVIDIA驱动

进入NVIDIA官网：https://www.nvidia.cn/geforce/drivers/ 下载GEFORCE EXPERIENCE 方便更新驱动（自己也可以手动跟新，网上有许多教程，我用的是GEFORCE EXPERIENCE 来更新的驱动的）

下载完之后进行安装，再登陆应用，里面有提示是否跟新驱动，如果需要一定跟新；更新完驱动之后就可以进行cuda以及cudnn的安装了

三、安装CUDA

1.NVIDIA开发者网站下载CUDA 10.1

https://developer.nvidia.com/cuda-downloads 根据自己的版本选择后下载

直接从官网下载很慢，有好心人已经把安装包放到了百度云网盘，直接从（cuda11+cudnn11百度网盘下载 https://pan.baidu.com/s/1IV_lBCeFFM712xx_iXnhqQ 提取码:0pr5 )下载cuda以及cudnn

2.安装CUDA 10.1

双击运行

设置用于提取CUDA安装程序的临时目录

提取完成后，经过一段漫长的兼容性检查

选择自定义安装

自定义安装选项的时候，CUDA是核心组件必须安装，如果NVIDIA GeForce Experience等组件的当前版本比新版本低可以选择安装

选择安装位置一般不要更改默认位置

提示没有Visual Studio，可以不用理会，勾选并点击NEXT。（注意关闭安全软件，否则会失败）

安装完毕，结束

4.验证CUDA安装

打开命令行工具（win+r:运行 cmd）

输入nvcc -V (查看版本信息)，安装成功

四、安装cuDNN

1.下载cuDNN

官网： https://developer.nvidia.com/cudnn 下载需要登陆账号，登陆界面“Join”可以注册账号，若不想注册可以将下载链接复制到迅雷等其他下载器中下载。

官网下载很麻烦也很慢，在上面网盘里已经提供了cudnn安装包，下面直接讲解如何安装

2.安装cuDNN

解压下载的压缩文件，压缩出以下几个文件

将bin、include、lib 粘贴复制到下面的文件夹，直接覆盖掉

3.cuDNN的环境变量配置

此电脑->属性->高级环境设置->环境变量

打开之后如下图所示，由于我已经配置好了，图中没有的部分，就是你需要增加的变量；

在系统中添加以下 5个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1
(这是之前安装cuda是默认安装位置的路径，如果自定义路径后，需要修改成对应的自定义路径)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

添加方法：按照名称和路径添加即可。

上面添加完之后我们添加path，双击Path

添加以下变量：

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1\common\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1\bin\win64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin

这样cudnn配置完成；

五、安装Anaconda3 （很容易安装，这里不再一一说明）

官网：https://www.anaconda.com/ 自行下载

六、创建管理虚拟环境

安装好Anaconda3且配置完之后，就可以配置pytorch所需要的虚拟环境了；

打开命令行工具点击Anaconda Prompt

创建一个名为PyTorchLearn的虚拟环境，选择python 3.6版本(3.6版本的python比较稳定）
在刚才打开的窗口输入：conda create -n PyTorchLearn python=3.6
然后激活PyTorchLearn虚拟环境
输入口令：conda activate PyTorchLearn
最后i退出虚拟环境
输入口令：conda deactivate

七、安装PyTorch CUDA版

1.添加清华源

打开命令行工具点击Anaconda Prompt

输入口令： activate PyTorchLearn

我的虚拟环境名称是pythorch_（当初打错了，现在没改），你们按上面来的话，环境名称是PyTorchLearn

将下面三个命令依次输入进去

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

2.官网获取安装命令

官网：https://pytorch.org/ 选择对应版本，复制安装命令：

conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c pytorch

然后输入pytorch口令：conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c pytorch

你按回车键之后，等一会它会加载出将要安装的一些安装包名称以及大小（由于我已经安装好了，就加载不出来了），但是不影响你的安装，按照下面的步骤来；

其主要三个大包是pytorch、torchvision、cudatoolkit，如果直接安装，几乎是失败的，所以我们需要先在清华源上，下载出这三个安装包，如下图所示；

我们从下面地址中下载这三个大包到桌面文件夹（我在桌面新建了一个名为q的文件夹，将下面下载的安装包都放进去了）：

cudatoolkit安装包地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/

Pytorch安装包地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

最终下载了这三个文件：

在Anaconda Prompt的虚拟环境中我们输入口令:

conda install C:\Users\49660\Desktop\q\cudatoolkit-11.0.221-h74a9793_0.tar.bz2

口令是由conda install + 你安装包的对象名称（右击你安装包，点击属性，属性里面的安全中就可以看见对象名称），如下图所示

将这个三个安装包按上面的方法都安装好，最后输入pytorch口令，安装剩下的小型安装包：conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c pytorch

这样一个完整GPU的pytorch 安装完了

3.验证PyTorch安装

在PyTorchLearn虚拟环境中，依次运行下列命令/程序:


   
   
     
     
      
      
     
     
     
     
      
      
       
       python
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       import torch
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       torch.cuda.is_available()