Windows环境下Gpu版本的Pytorch安装

安装步骤总览（6步）

1 首先看电脑有没有显卡，显卡是否支持cuda软件
2 安装CUDA（没有才安装，有的话就不用安装了，安装的时候有两种方式，选择和pytorch一起安装的方式，不要自己独自安装）
3 安装anaconda
4 在anaconda中创建环境执行pytorch的环境
5 安装gpu版本的pytorch
6 测试安装是否成功

【1】全程直接按照RYGH老师的pytorch教程安装就可以了，非常简单
Pytorch深度学习入门与实战 - 网易云课堂

1 首先看电脑有没有显卡，显卡是否支持cuda软件

1.1 先看自己电脑是否有显卡

1.2 两种方法看自己的电脑的显卡驱动支持的CUDA

（1）通过下面这个文章
[1] 查看显卡支持的CUDA版本号 && CUDA与显卡驱动版本_cuda12显卡支持

（2）可以直接通过在cmd黑窗口中运行nvidia-smi调出来，并且还能看到已安装驱动的版本

（3）向下兼容
向下兼容指是显卡驱动向下兼容CUDA，在电脑上看到显卡驱动最高支持的CUDA是10.1 版本，那你安装9.2版本的CUDA也行，不超过10.1就行

在RYGH老师的pytorch安装教程中这里有向下兼容的说明。
一定要知道什么是显卡驱动，什么是CUDA，什么是cuDNN.

查看到这里
最高支持10.1.120版本的CUDA，说明电脑最多支持的是10.1.120版本的，你安装1个9.2版本的也没问题。CUDA软件只要不超过10.1.120版本就行。

1.3 显卡，显卡驱动、CUDA、CUDNN 4者说明

（1）显卡，
是1个硬件，就像打印机一个道理；
（2）显卡驱动，
也就是显卡驱动软件，记住了驱动都是软件，它是操作系统控制显卡的1个软件工具。我们不学深度学习，大多数情况下都没有CUDA和CUDNN这两个软件。有驱动就像了，平时就可以操作显卡了。
（3）CUDA(ComputeUnified Device Architecture)，
是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。它是用来增加优化显卡计算功能的，没它显卡照样可以用，但是在GPU版本的的深度学习中必须要安装它，为了加快计算。
（4）cuDNN
是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。
（5）CUDA与CUDNN的关系
CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。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。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。
想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。

2 安装CUDA,就是1个软件

2.1 检测自己电脑是否已经按了CUDA了

两步：
（1）在cmd中输入nvcc-V,出现下面提示，大概率是没有安装cuda，或者没有添加环境变量

（2）再看电脑中是否有安装过，就是是否有目录，没安装过就安。一般安装目录是在C:\Program Files\NVIDIA GPU Computing Toolkit，从目录中找CUDA文件夹。没有的话大概率是没安装。
安装过没配置环境变量就配置环境变量。

遇到‘nvcc‘ 不是内部或外部命令,也不是可运行的程序或批处理文件怎么办？亲测有效

2.2 安装CUDA软件（不用单独安装，这步不用管）

有的教程说要安装，有的教程不用安装，实际上不用单独安装，直接在conda安装gpu版本的pytorch的时候，就可以直接把CUDA安装上了

2.2.1 不用单独安装CUDA的操作（安装pytorch时候一并安装）

[1] RYGH安装教程,Pytorch深度学习入门与实战 - 网易云课堂

这里有别人根据此教程的文档

2.2.2 用单独安装cuda的操作（先安装cuda，再安装pytorch）

[1] 开发环境安装（简介）_哔哩哔哩_bilibili
[2] Win10+MX250+CUDA10.1+cuDNN+Pytorch1.4安装+测试全过程(吐血)

2.3 用不用安装CUDNN（不用）

不用安装CUDNN，因为你安装pytorch的时候会自动安装好了。

3 安装anaconda

直接百度搜教程，很简单。anaconda主要用来管理不同的开发环境。
UNet模型用的pytorch1.4版本：
Faster-CNN用的是pytorch1.8版本：

在电脑上为了防止冲突，就用anaconda分别创建2个环境，把unet模型代码放到pytorch1.4环境中，Faster-CNN用的是pytorch1.8环境中。

4 创建虚拟环境（独立设置1个环境）

conda create -n xxxx python=3.5   #创建python3.5的xxxx虚拟环境
conda activate xxxx               #开启xxxx环境
conda deactivate                  #关闭环境

[1] conda常用命令:安装，更新，创建，激活，关闭，查看，卸载，删除，清理，重命名，换源，问题

5 安装gpu版本的pytorch

通过官网引导就可以完成安装

6 测试安装是否成功

在anaconda命令下输入以下命令，没问题就说明安装成功

import torch
torch.randn(3.5)
exit()

参考文献

对本文参考过的文档的作者表示感谢！！！

3套安装GPU版本Pytorch的参考：
[1] RYGH老师安装教程；Pytorch深度学习入门与实战 - 网易云课堂
[2] 开发环境安装（简介）_哔哩哔哩_bilibili
[3] Win10+MX250+CUDA10.1+cuDNN+Pytorch1.4安装+测试全过程(吐血)