1、显卡驱动的安装

最近，在学习pytorch深度学习，遇到很多的坑，环境配置也出现过问题，忍不住和大家进行分享，现在把环境搭建过程分享给大家。

1.1、查看自己的显卡。

具体操作：我的电脑-——属性——设备管理器——显示适配器

1.2、驱动的下载、安装。

在找到自己的显卡后，去NVIDIA官网下载安装驱动

 选择自己的显卡类型，如果你是GTX显卡，有可能只能选择Game Ready，区别很小，能用就行

1.3、显卡驱动安装检测

win+R 输入cmd  打开窗口后输入：nvidia-smi

 如果成功显示显卡数据，恭喜。右上角的11.6，说明我的显卡驱动最高支持11.6的cuda。但我肯定不能安装11.6，因为pytorch最高才支持11.3。

2、CUDA11.3下载安装

CUDA官网

在这里先等一下，博主当时下载好10.2的CUDA然后打开torch的官网后，发现;

 CUDA10.2现在竟然不能够在Windows上安装了，我只好又重新下了一个CUDA11.3。

下载完后，开始安装，这是我安装10.2的过程，这个无所谓，默认的话，一路nest就行。

 也可以自己选安装位置，建议不更改，设置环境变量要用的。

搜索——系统变量—环境变量

 安装完毕会出现两个新的环境变量 CUDA_PATH和CUDA_PATH_V11_3但仍需要添加以下几个环境变量，系统默认安装路径：C:ProgramDataNVIDIA CorporationCUDA Samplesv11.3

添加以下五个变量到环境变量中：

CUDA_SDK_PATH=C:ProgramDataNVIDIA CorporationCUDA Samplesv11.3

CUDA_LIB_PATH=%CUDA_PATH%libx64

CUDA_BIN_PATH=%CUDA_PATH%bin

CUDA_SDK_BIN_PATH=%CUDA_SDK_PATH%binwin64

CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%commonlibx64

之后在，系统变量Path的末尾添加：

 %CUDA_LIB_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_BIN_PATH%;

添加以下五个：

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.3libx64

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.3include

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.3extrasCUPTIlib64

C:ProgramDataNVIDIA CorporationCUDA Samplesv11.3binwin64

C:ProgramDataNVIDIA CorporationCUDA Samplesv11.3commonlibx64
 

3、CUDNN安装

CUDNN要与CUDA版本匹配：官网

压缩后的3个文件

将这三个文件放入 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.3，若修改路径了，则找到自己的路径。

CUDA检测

win+R--cmd--      nvcc-V

 4、pytorch安装

 创建一个新的anaconda环境，以防万一把自己的base环境搞崩了，cd到你的环境中然后输入图中，conda install......这一行。

检测安装：

# 依次输入
import torch
torch.cuda.is_available()

 显示True表明下载完成，可以开始你的深度学习之旅了！