Pytorch的GPU版本安装，首先需要确定自己的电脑满足安装条件。简单地说，如果电脑上的nvidia显卡能够安装441.22版本以上的安装程序，则基本上能安装成功。详细信息推荐看如下博客（如有其他来源请联系我）：

pytorch、显卡、显卡驱动、cuda版本是如何对应的

下面我们依次来安装 显卡驱动、cuda、cuDNN、anaconda、pytorch。

1. 显卡驱动

若自己的显卡驱动没有正确安装或太老（version<441.22），到官方网站找到自己的显卡，搜索驱动安装。
地址：https://www.nvidia.cn/Download/index.aspx?lang=cn

图1 nvidia显卡驱动下载

全默认，正常安装即可。

2. cuda和cuDNN

2.1 写在前面

pytorch安装页面给出的cuda推荐版本是10.2和11.3。故尽量安装这两个版本的cuda，然后安装与之匹配的cuDNN。

正常的话，应当注册nvidia账号，到
https://developer.nvidia.com/cuda-toolkit-archive
https://developer.nvidia.com/rdp/cudnn-archive
去下载cuda和cuDNN。但由于网络问题，经常注册或登录不了，这里仅给出网站演示，在下文中会附上cuda和cuDNN的网盘下载链接。实际上，可以利用各类游戏加速器，搜索nvidia网站登录加速，截止到2022年1月26日是限定免费状态，加速后是可以直接下载的。

cuda ↓

图2 cuda下载页面

X度盘 s/18sWJ96gAIHqfNspvxkZj_w 码：tt37

cuDNN ↓

图3 cuDNN下载页面

X度盘 s/1Cu7UyrHEFV_-xVNonToSCQ 码：bzqv

2.2 cuda安装

默认安装路径，点确定到图4界面，选择自定义安装，并取消勾选CUDA下的Visual Studio Integration（图5）。目前发现有些安装Quadro显卡的电脑到这一步会重启一次，请注意保存工作。

图4 cuda安装过程

图5 取消勾选Visual Studio Integration

等待安装结束即可。

2.3 cuDNN安装

cuDNN的安装包是一个压缩包，解压之后，把bin、include、lib三个文件夹复制到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3 去合并↓

图6 解压cuDNN安装包

下面来配置环境变量，打开：我的电脑（右键）→高级系统设置→环境变量，在“系统变量”里面找到Path，进行编辑。确保以下四个路径在Path中，之后一路点击确定（图7 图8）：
C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp
C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib
C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include

图7 编辑Path环境变量

图8 确保红圈内的路径在Path环境变量中

至此cuda和cuDNN安装完成，若想检验是否成功，可以打开windows系统的cmd，输入nvcc -V，如果有类似图9的提示则安装成功：↓

图9 验证cuda和cuDNN正确安装

3. Anaconda

同cpu版本安装的第1、2部分，在此不再赘述，附上博客链接：
Windows10下的Pytorch框架安装（CPU版）

再次强调python版本应为3.7-3.9，不要安装3.10版本的python。

4. Pytorch

去pytorch.org，找install，找到gpu版本↓

图10 找到Pytorch的gpu版本安装代码

运行下面的代码conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

安装完成后，输入：
pip install jupyter
安装编辑器jupyter notebook，本例将使用jupyter notebook作为Pytorch的编辑器。

可以继续安装
pip install matplotlib
pip install pandas
等等自己需要的其他程序包。

5. 测试和使用

至此Pytorch安装完成，可以通过
①打开Anaconda Prompt
②输入activate pytorch
③输入jupyter notebook
打开编辑器，进行深度学习编程。

若想测试安装是否成功，可以在编辑器中输入
import torch
torch.__version__ #version的前后都是2个下划线
以及
torch.cuda.is_available()

看是否能返回pytorch的安装版本和gpu是否可用（返回True为正常，False为安装不成功）。↓

图11 测试Pytorch的gpu版本是否正确安装

转载本文请联系原作者获取授权，同时请注明本文来自任昱昊科学网博客。
链接地址：https://blog.sciencenet.cn/blog-3507679-1322832.html

上一篇：Windows10下的Pytorch框架安装（CPU版）