windows下安装anaconda、pycharm、cuda、cudnn、PyTorch-GPU版本

目录

一、anaconda安装及虚拟环境创建

1.anaconda的下载

 2.Anaconda的安装

3.创建虚拟环境

 3.1 环境启动

 3.2 切换镜像源

 3.3环境创建

3.4 激活环境

 3.5删除环境

二、pycharm安装

1.pycharm下载

2.pycharm的安装

三、CUDA的安装

1.GPU版本和CUDA版本、cudnn版本、显卡驱动的对应关系

1.1先查看一下自己的显卡

1.2cuda和驱动对照表

1.3下载cuda 

 1.4cuda的安装

四、CUDNN的安装

1.cudnn的下载

1.2cudnn的安装

五、pytorch的安装

1.1使用pytorch官网进行安装

1.2.pytorch验证

---

一、anaconda安装及虚拟环境创建

1.anaconda的下载

Anaconda官网：https://www.anaconda.com
清华大学开源镜像下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

anaconda可以通过以上两种方式进行下载，通过anaconda的官网下载的是最新版，这里面有个问题是python版本一般是最新的，也就是生成的conda的base环境的python版本是最新的，这个好像是无法降级的，我尝试过很多版本都无法完成，不过不影响大局，我们可以创建自己的环境来安装适合自己版本的python。

 2.Anaconda的安装

这个相对简单，基本就是下一步就可以了，由于安装时没有截图，暂时放一个csdn的链接吧

(121条消息) Anaconda安装教程（超详细版）_安装anaconda_EEdith的博客-CSDN博客

3.创建虚拟环境

由于安装后conda自带的环境可能不适合我们的需要，所以一般是需要创建一个或者多个虚拟环境的。先给出几个常用的命令：

语法	功能
conda --version	查看conda版本号
python --version	查看python版本号
conda info --envs	查看虚拟环境列表
conda create -n virtualname pip python=3.6	创建虚拟环境，指定python版本号
conda activate virtualname	激活虚拟环境
conda deactivate	退出虚拟环境
conda remove --name virtualname --all	删除虚拟环境

 3.1 环境启动

conda环境是通过开始菜单中的程序启动，具体如下图：

 启动后如下：

 3.2 切换镜像源

直接下载的话会受很多限制，下载速度会非常满，一般需要先切换镜像源，国内镜像源比较多，一般使用比较多的还是清华镜像源，如果有问题可以到网上查找其他的，暂时先放置清华的，具体命令如下：

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/

切换其它镜像源之前一定要先回复默认，命令如下：

conda config --remove-key channels

 3.3环境创建

 环境创建需要注意的有两点，一个是环境名称，这个可以根据自己的需要设定，第二个是python的版本，我们这里需要安装的是3.7的版本。

conda create -n virtualname pip python=3.7

3.4 激活环境

 3.5删除环境

删除环境的语句也记录一下，后面一定要加all

conda remove -name virtualname --all 

二、pycharm安装

1.pycharm下载

pycharm官网：下载PyCharm：JetBrains为专业开发者提供的Python IDE

关于pycharm的激活暂时在这就不讲了。

2.pycharm的安装

关于pycharm的安装也放个搜到的网址吧。

(121条消息) PyCharm安装教程_小白学CS的博客-CSDN博客

三、CUDA的安装

1.GPU版本和CUDA版本、cudnn版本、显卡驱动的对应关系

1.1先查看一下自己的显卡

nvidia-smi

这里重点关注一下显卡的驱动，后面需要在官网找对应的cuda版本

1.2cuda和驱动对照表

通过下面网址查找对照

CUDA 12.2 Release Notes (nvidia.com)

1.3下载cuda 

进入cuda官网，选择适合自己驱动的cuda版本，我这里开始选择的是12.2，后面经过安装tensorflow和pytorch发现这个版本高了，还要降，所以要提前选择适合自己的才可以，这里暂时以11.8为例。

cuda官网下载：CUDA Toolkit Archive | NVIDIA Developer

 1.4cuda的安装

没有截图，基本就是下一步就可以了，也发一个搜到的网址吧

windows下cuda的安装 - wenglabs - 博客园 (cnblogs.com)

四、CUDNN的安装

1.cudnn的下载

在官网选择对应的cudnn版本，这个版本首先要和cuda对应，然后如果安装tensorflow的话还要和tensorflow对应

官网： cuDNN Download | NVIDIA Developer

cudnn对照： 

tensorflow对照网址：Build from source on Windows  |  TensorFlow (google.cn)

 根据上面的对照找到适合自己的cudnn，然后进行下载

1.2cudnn的安装

下载下来是个压缩包，解压后，里面有三个文件夹，

复制 cuDNN  目录下的文件到 CUDA 的对应版本的目录下，我这安装了几个版本，所以就截了一个11.2的图。

 

 完成后添加环境变量，把C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64 加到path 中

五、pytorch的安装

1.1使用pytorch官网进行安装

打开官网，选择对应版本后会自动生成执行语句，在对应的conda环境中执行就可以了。

Start Locally | PyTorch

注意：如果已经安装过pytorch的cpu版本的话需要先手动删除然后再安装，否则会不成功。

1.2.pytorch验证

使用以下语句进行验证，返回为true，则为成功，false的话需要检查驱动和cuda还有cudnn还有torch间的兼容性。

import torch
print(torch.__version__)
print(torch.cuda.is_available())

至此安装完成。