配置PyTorch(GPU版)环境，Anaconda+CUDA+cuDNN

参考：

深度学习环境配置超详细教程【Anaconda+PyTorch(GPU版)+CUDA+cuDNN】_傲寒。的博客-CSDN博客

目录

Anaconda+PyTorch(GPU版)+CUDA+cuDNN

1.安装Anaconda

2.添加环境变量

3.安装N卡驱动

4.下载安装CUDA+cuDNN

5.下载pytorch

6.创建虚拟环境

8.验证

环境迁移

Anaconda+PyTorch(GPU版)+CUDA+cuDNN

• Python集成开发环境：Anaconda

• 英伟达提供的针对英伟达显卡的运算平台：CUDA、cuDNN，用来提升神经网络的运行效率，如果电脑显卡不满足要求也是可以不用安装，使用cpu来进行运算。

• 开发工具：PyCharm

• 深度学习库：PyTorch（也可以使用Google开源的TensorFlow平台，不过一般学术界多用PyTorch平台。）

1.安装Anaconda

https://www.anaconda.com

2.添加环境变量

D:\Anaconda

D:\Anaconda\Scripts

D:\Anaconda\Library\mingw-w64\bin

D:\Anaconda\Library\bin

3.安装N卡驱动

NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

Anaconda prompt的指令界面输入，查看显卡相关版本信息：

nvidia-smi

或者手动查看：NVIDIA控制面板——帮助——系统信息——组件

4.下载安装CUDA+cuDNN

https://developer.nvidia.com/cuda-downloads

https://developer.nvidia.com/rdp/cudnn-download

下载的时候注意版号，一定要让cudnn和cuda的版号完全一样才可以。

下载cuDNN后，将三个文件夹粘贴到CUDA同名文件夹，并添加环境变量：

D:\CUDA\bin

D:\CUDA\libnvvp

D:\CUDA\lib\x64

Anaconda prompt的指令界面输入，查看CUDA信息：

nvcc -V

5.下载pytorch

https://download.pytorch.org/whl/

torch

torchaudio

torchvision

6.创建虚拟环境

conda create -n pytorch python=3.9

conda activate pytorch

把三个whl文件粘贴之虚拟环境下的site-packages目录下，利用指令安装：

pip install C:\Users\66454\Downloads\cuda11.5\torch-1.11.0+cu115-cp39-cp39-win_amd64.whl

pip install C:\Users\66454\Downloads\cuda11.5\torchaudio-0.11.0+cu115-cp39-cp39-win_amd64.whl

pip install C:\Users\66454\Downloads\cuda11.5\torchvision-0.12.0+cu115-cp39-cp39-win_amd64.whl

8.验证

python

import torch

print(torch.__version__)    # 查看pytorch版本

print(torch.cuda.is_available())    # 查看cuda是否可用 输出为True 或者False

结果为Ture即环境配置成功！

环境迁移

把 C:\Users\66454\.conda\envs 下的 pytorch 环境文件夹拷贝到其他设备

用下面的指令添加复制环境：

conda config --append envs_dirs D:\xxxx\xxxx\envs

查询结果：

conda env list

注意！部分 pip 版本不一定与新设备系统对应，需要酌情调整