PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm

1. 关系讲解

• Tytorch：Python机器学习库，基于Torch，用于自然语言处理等应用程序

• Anaconda：是默认的python包和环境管理工具，安装了anaconda，就默认安装了conda

• CUDA：CUDA是一种由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能解决复杂的计算问题，可用来计算深度学习

• cuDNN：是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。

2. 安装Anaconda

Anaconda用于构建虚拟环境

这里直接用清华源镜像进行下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

一路next即可，建议勾选自动添加环境变量

输出环境查看，表示安装成功

3. 安装CUDA

3.1 正常安装

---

先查看本机NVIDIA支持的CUDA版本，查看左下角的系统信息-组件

所以我们下载的版本应该低于12.0.89

下载CUDA，直接前往官网下载：https://developer.nvidia.com/cuda-toolkit-archive

根据自己的电脑版本，选择CUDA版本

双击exe文件进行安装，推荐使用默认地址安装，同意并安装

自定义安装，并且全选所有的组件，但是取消选择visual studio

记住安装路径，方便后续配置环境变量

等待下载，安装完毕即可

查看环境变量，有两个变量是自动添加的

在环境变量Path中，需要我们额外添加三个目录，版本根据自己的版本进行更改（例如我的是v11.8）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\CUPTI\lib64

打开cmd，输入

set PATH=c:

然后输入

echo %PATH%

关闭cmd，之后再次开启命令提示符，输入

echo %PATH%

使新添加的环境变量生效

查看版本nvcc -V

查看设置的环境变量set cuda

3.2 碰到的问题

---

可能输入环境变量会显示错误

先切换到CUDA对应的文件夹下面：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite，在这个文件夹下打开终端

输入两个命令：

.\bandwidthTest.exe

.\deviceQuery.exe

• 若最后都显示pass，说明安装无误，是环境变量配置出错，再次按照上述环境变量配置的方法进行配置即可
• 若最后显示的不是pass，说明安装错误，需要把原来的卸载并且重新安装

4. 安装cuDNN

---

下载cuDNN，下载之前需要注册账号，有点小麻烦,直接前往官网下载：https://developer.nvidia.com/rdp/cudnn-download

下载Win版本，下载完毕后是一个压缩包

分别将cuDNN三个文件夹的内容分别复制到CUDA对应的文件夹里面。如下所示：

在环境变量Path中添加三个目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp

再次切换到CUDA的安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite

运行两个测试文件.\bandwidthTest.exe和.\deviceQuery.exe，显示Pass即可

5. 安装PyTorch

---

PyTorch 一分为三：torch、torchvision 与 torchaudio。这三个库中，torch 有 2G 左右，而 torchvision 和torchaudio只有 2M 左右，因此一般在代码里只会 import torch。当 torch 的版本给定后，另外两个附件的版本也唯一确定了。

安装 torch 前，先给出一张安装表，其中 cu113 即 cuda 11.3，cp39 即解释器的版本是 Python3.9

到目前位置，我们安装的软件版本如下，则我们下载 torch 2.0.0的版本：

• Anaconda：4.5.4
• CUDA：11.8
• cdDNN：8.9
• python：3.9

前往官网https://pytorch.org/get-started/previous-versions/查看torch 2.0.0对应的库版本

# CUDA 11.8
pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118

即对应的版本为

torch==2.0.0+cu118
torchvision==0.15.1+cu118
torchaudio==2.0.1

因为直接安装网速较慢，所以利用单个下载再逐一安装的方式进行安装配置，进入对应的网站：https://download.pytorch.org/whl/cu118

分别进入找到对应的版本

这里特别注意，torchaudio下载的版本为torchaudio==2.0.1+cu118，但是这个在官方下载中未指定cuda的版本，我们需要手动添加

进入虚拟环境DL，执行命令安装上述三个whl文件

pip install D:\Anaconda3_5.2\WHL\torch-2.0.0+cu118-cp39-cp39-win_amd64.whl
pip install D:\Anaconda3_5.2\WHL\torchaudio-2.0.1+cu118-cp39-cp39-win_amd64.whl
pip install D:\Anaconda3_5.2\WHL\torchvision-0.15.1+cu118-cp39-cp39-win_amd64.whl

安装完毕后进入python解释器进行验证

输入 import torch 导入 torch 库，再输入torch.cuda.is_available()，输出True即为安装成功

6. 关联PyCharm

---

新建项目，选择已经存在的解释器

选择我们已经创建的Anaconda环境

选择完毕后，直接创建