CUDA-CUDNN-pytorch安装

下载地址：
- cuda
- cuDNN 需要登录加入
- pytorch

CUDA安装

~~在NVIDIA控制面板左下角系统信息里的组件查看对应cuda版本~~
{bs-font color="#FF0000"} 可以选择现在显卡可以支持的最新版本cuda 可以直接选择11.7 {/bs-font}

在上面的网站下载对应版本的cuda和cudnn
直接精简模式一直下一步安装

安装完成

在系统环境变量中查看是否有下面这四个环境
我的后面两个没用自动加入环境
- NVCUDASAMPLES_ROOT
- NVCUDASAMPLES11_0_ROOT

验证是否安装成功

在cmd中输入 nvcc -V查看

cuDNN 安装

在上面的网站下载对应的压缩文件
讲压缩包中的三个文件夹解压到cuda的安装目录中

往系统环境变量中的 path 添加如下路径（根据自己的路径进行修改）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp
#我前两个自动加进去了 后面两个手动加入 需要注意版本号
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\lib

验证安装是否成功

在cmd中切换到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite目录
使用bandwidthTest.exe和deviceQuery.exe文件进行测试

安装pytorch

在Anaconda中安装

进入上面的链接选择对应版本

打开Anaconda Prompt

换到国内源

命令生成 .condarc文件
- conda config --set show_channel_urls yes
在C:\Users\(你的用户名)\.condarc文件中修改

show_channel_urls: true
ssl_verify: true
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
  - defaults
remote_read_timeout_secs: 1000.0

创建pytorch环境
- conda create -n pytorch python=3.8
- 输入y安装
查看是否安装成功
- conda info --envs
进入创建的pytorch环境
- conda activate pytorch
安装pytorch
安装pytorch
- conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

测试是否安装pytorch-GPU成功

#测试pytorch-gpu是否能用
import torch
flag = torch.cuda.is_available()
print(flag)
ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print('cuda设备名：',device)
print('gpu名称：',torch.cuda.get_device_name(0))
print('pytorch版本：',torch.__version__)
print('cuda版本：',torch.version.cuda)
print('cudnn版本号：',torch.backends.cudnn.version())
print('定义一个torch格式的3*3的矩阵：',torch.rand(3,3).cuda())

cuda老版本可以在 install previous versions of PyTorch中找到

注意！！！

如果下载慢或者安装总是cpu版可以去网站自己下载

pytorch自己下载

选择自己需要的对应版本

在 Anaconda Prompt中切换到自己需要安装的环境

conda activate pytorch

然后cd到下载文件所在的目录里

conda install --use-local 包名

等待完成安装

安装完成后再执行pytorch官网给的命令

迁移环境

克隆一份要打包的anaconda环境
- conda create -n 新环境的名称 --clone 老环境名称
进入我们克隆的conda环境
- conda activate 新环境名称
安装conda-forge和conda-pack打包工具
- conda install -c conda-forge conda-pack
添加-o参数，将当前环境进行打包
- conda pack -n 新环境名称 -o 新环境名称.tar.gz
打包的文件在当前cmd所在的目录
将压缩包下载到本地，放置在anaconda的环境目录下
查看本地conda环境，可以看到环境已经成功迁移到目标主机并且可以使用了
激活新环境，就可以使用了
- conda activate 新环境名称