Windows下pytorch-gpu安装以及CUDA详细安装过程 附带各个版本安装包

Posted 2022-05-09 superboy@.

最近学习到了超分辨率算法用到了 PyTorch 框架，有很多小bug，例如版本不一致，cuda+cudnn下载速度太慢等等问题。所以在这里写一篇博客详细记录安装的过程。附带 CUDA + cudnn各个版本安装包

目录

1.前言

2.Cuda的下载安装及配置

2.1安装Cuda

2.1.1查看本机是否有独立显卡

2.1.2下载CUDA安装包

 2.1.3开始安装

 2.2配置cuda环境

 2.2.1测试是否安装成功

3.CUDNN的下载及配置

3.1.下载CUDNN

 3.2.配置cudnn

 4.安装pytorch-gpu

4.1 conda方式安装

5.测试PyTorch

 6.百度网盘下载链接

---

1.前言

由于已经安装了cpu版本了，如果再在该环境下安装gpu版本会造成环境污染.
因此，再安装gpu版本时，需要再新建一个虚拟环境才能安装成功。
然后去官网下载所适配的版本。 安装完cuda和cudnn后，开始安装pytorch的gpu版本。

2.Cuda的下载安装及配置

2.1安装Cuda

2.1.1查看本机是否有独立显卡

首先我们要确定本机是否有独立显卡。在计算机-管理-设备管理器-显示适配器中，查看是否有独立显卡。

可以看到本机有一个集成显卡和独立显卡NVIDIA GeForce RTX 2080 SUPER

2.1.2下载CUDA安装包

        测试本机独立显卡是否支持CUDA的安装（点击此处）

从上图中，可以看到我本机的独立显卡是支持CUDA安装的，计算力是7.5。

          那么，接下来就是选择CUDA进行安装即可，点击此处

 

 根据电脑系统选择相应选项，exe选择local，下载安装

 2.1.3开始安装

        接着就是安装过程，双击打开显示临时解压目录，不需要改变，默认即可。

                       

          接下来，进入NVIDIA安装过程，在这安装过程中，我一开始直接选择的精简安装，但由于VS的原因，导致无法正常安装，于是我换成了自定义的安装方式，并将VS勾给去掉，便可以正常安装了，至于CUDA的安装目录，大家默认安装在C盘即可。

 

把VS勾给去掉。

 

 安装位置最好默认因为等一下还要配置系统环境path。当然这里只是建议

 下面就是安装好了。

 2.2配置cuda环境

安装完成之后，便是配置环境变量。环境变量配置如下图所示。

去到环境变量Path里面新建插入对应的路径。

 

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.2\\lib\\x64

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.2\\include

C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.2\\extras\\CUPTI\\lib64

C:\\ProgramData\\NVIDIA Corporation\\CUDA Samples\\v10.2\\bin\\win64

C:\\ProgramData\\NVIDIA Corporation\\CUDA Samples\\v10.2\\common\\lib\\x64

 

 2.2.1测试是否安装成功

 最后一步，测试CUDA是否正常安装。

1.同时按键盘上的“windows键+R”，输入“cmd”并回车，进入windows的命令行界面。
 
2.命令行里输入“nvcc -V”并回车
 
3.如果已经成功安装CUDA的话，会显示CUDA的版本号的。

可以看到测试成功，接着进行cudnn的下载。

3.CUDNN的下载及配置

3.1.下载CUDNN

        点击此处，选择下载download cudnn，但这里需要你注册一个账号，然后进行问卷之后才可以进行下载页面，反正一步步操作即可。

        然后因为我上一步CUDA的版本是10.2,而CUDNN的版本要跟CUDA版本一致。

 3.2.配置cudnn

下载之后，解压缩，将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可。

 4.安装pytorch-gpu

         直接来到Pytorch的官网，此处，因为根据自己的配置进行选择，我试过用conda安装，但是conda安装老是不成功，也替换过清华镜像源，但速度实在是龟速，半天没动静。虽然pip下载也蛮慢，但至少可以安装成功。

4.1 conda方式安装

        选择适合自己的版本，但是使用conda方式下载，直接用这个语句是不能下载成功的，因为它的服务器在国外，所以要选择下国内的镜像源。（梯子在上面已经给了链接）

在已经激活的环境中输入上图红框中的命令：（可以直接选择镜像那个）

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

默认pytorch官网为下载源，下载速度太慢，很容易报错

更改为清华大学镜像，命令行输入下面的命令：

# 添加Anaconda的清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes  

然后再输入：

conda install pytorch torchvision torchaudio cudatoolkit=11.3

注意要把后面的-c pytorch去掉，不然还是使用的默认源下载。

等待下载和安装：

 安装成功。。

4.2. pip方式安装

先更新一下pip

python -m pip install --upgrade pip -i http://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com

直接用他官网的下载链接就可以，不过最好加上清华源。

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

等待安装成功。

5.测试PyTorch

import torch
print(torch.cuda.device_count())
#可用gpu数量
print(torch.cuda.is_available()) # #是否可用gpu

 true就说明PyTorch安装配置成功 可以使用Gpu了。

 6.百度网盘下载链接

链接：https://pan.baidu.com/s/1GDokaoclNaTbJEeoQrrcaw 
提取码：4lla 
--来自百度网盘超级会员V5的分享