Pytorch GPU版环境搭建 CUDA11.2_Python

简单记录下~

参考：

深度学习环境配置超详细教程【anaconda+pycharm+pytorch(gpu版)+cuda+cudnn】

python pytorch-gpu 环境搭建 (cuda 11.2)

版本概览

python 3.8
cuda 11.2
cudnn 8.1.1
torch 1.9.1
torchvision 0.10.1
torchaudio 0.9.1

cuda

判断自己应该下载什么版本的cuda（向下兼容）

win+r输入cmd打开终端，输入

nvidia-smi

在这里插入图片描述
下载网址：https://developer.nvidia.com/cuda-toolkit-archive

下载好安装包之后，按步骤安装即可。安装后会自动添加环境变量，可通过设置中的【高级系统设置】查看，若未自动添加则需手动添加。

验证cuda是否安装成功：

nvcc -v # 查看版本号
set cuda # 查看 cuda 设置的环境变量

在这里插入图片描述
如上结果，表明已安装完成！

cudnn

cudnn下载需要注册账号，随后选择跟自己的cuda版本适配的cudnn版本，此处我安装的是cudnn8.1.1。
在这里插入图片描述

下载网址：https://developer.nvidia.com/cudnn-archive

注：

最好使用机构/学校邮箱注册，否则可能会失败（显示access denied）
若出现注册时信息无法填选的情况，可更换浏览器再尝试（我最后换成火狐成功了）

下载成功后，解压压缩包，如下所示。
在这里插入图片描述
将里面的文件夹复制到cuda安装目录下。安装目录可通过环境变量查看，默认为

c:\program files\nvidia gpu computing toolkit\cuda\v11.2

随后往系统环境变量中的 path 添加如下路径（根据自己路径修改）

c:\program files\nvidia gpu computing toolkit\cuda\v11.2\bin
c:\program files\nvidia gpu computing toolkit\cuda\v11.2\libnvvp

pytorch

首先创建python3.8的虚拟环境并激活，这里虚拟环境命名为pytorch_gpu，可按自己需求更改。

conda create -n pytorch_gpu python==3.8
conda activate pytorch_gpu

下载对应版本的pytorch，具体怎么对应可上网搜索。我这里对应cuda11.2版本，运行如下代码可成功搭建。

pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html --trusted-host pypi.org --trusted-host download.pytorch.org --trusted-host files.pythonhosted.org

在线安装时间较久，与网速有关，也可下载后再进行安装，这个自行搜索具体操作。

装好之后，输入python进入python命令行界面，运行下列代码检查环境是否配置成功。

import torch
print(torch.cuda.is_available()) # cuda是否可用
print(torch.cuda.current_device()) # 返回当前设备索引
print(torch.cuda.device_count())  # 返回gpu的数量 
print(torch.cuda.get_device_name(0))