位置: IT常识 - 正文

深度学习第一步——Pytorch-Gpu环境配置：Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细，少走十年弯路）

编辑：rootadmin

推荐整理分享深度学习第一步——Pytorch-Gpu环境配置：Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细，少走十年弯路），希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:,内容如对您有帮助，希望把文章链接给更多的朋友！

博主已有：Pycharm+Anaconda

通过这篇博客你将获得：Cuda10.2+cuDNN11.x+Pytorch1.8.0(GPU)

import torchprint(torch.cuda.is_available())print(torch.__version__)print(torch.version.cuda)True1.8.010.2

1.确定自己电脑有无显卡

2.确定显卡支持的cuda最高版本

3.下载安装cuda

4.安装cuDNN

5.安装Pytorch(重要！易踩坑！）

6.pycharm切换不了环境问题

7.总结

今天是三月1日，开学的第一周，这个学期准备进军深度学习，主打的框架就是PaddlePaddle和Pytorch，PaddlePaddle都好说，有线上的Aistudio，头疼的是Pytorch，作为深度学习最经典的框架，肯定是必学无疑的。学习Pytorch，第一步就是配置环境，gpu和cpu的pytorch代码完全是两个东西，我之后想的是代码写好用云服务跑，所有代码得用gpu版本的，所以本地的Pytorch必须得是Gpu写的。实话实话，这中间我遇到了很多坑，所以我才想写这篇博客，帮大家以最快速的方式配制好深度学习的环境，话不多说，请看教程：

1.确定自己电脑有无显卡

搜索框搜索设备管理器进入，向下查找找到显示适配器：

nvidia开头的即为电脑的显卡，我这里是MX450。

2.确定显卡支持的cuda最高版本

打开windows搜索框，搜索nvidia control panel，点击nvidia control panel进入：

点击系统信息：

点击组件，查看自己显卡支持Cuda最高版本，我这里最高支持11.1.96，所以我安装11.1.96以下版本的cuda都可以，在本篇博客中，安装的是10.2版本。

3.下载安装cuda

进入cuda官网：cuda官网

下载10.2版本的cuda，点击进入：

依次选择Windows，x86_64，10(win11系统可以兼容win10版本的cuda），local版本，网络版经常安装不成功。报错：nvidia安装程序无法继续未成功完成下载。

Download下载base installer，下面两个是补丁，可以下载也可以不下载，本篇博客没有下载。

装补丁1(发布于2020年8月26日，选装)此修补程序解决了CUDA 10.2中捆绑的cuBLAS库中的一个问题，该问题在罕见的极端情况下导致数据无提示损坏。补丁2(发布于2020年11月17日，选装)此修补程序解决了cuBLAS库批处理的GEMM APIs中的一个问题，该问题在混合精度和快速数学的大批量计数的罕见情况下，导致数据无提示损坏。

之后按照指示安装就可以了，在安装选项时选择自定义安装：

我没有改选项，直接下一步安装成功，如果出现问题可以看这篇博客：win10/win11+NVIDIA MX350笔记本自带显卡+CUDA10.2+Python3.6+Anaconda3从零开始配置深度学习环境

这里注意要将安装位置记录下来，之后安装cuDNN时候会用到：

等待一段时间，之后检验一下是否安装完成，win+r，输入cmd，在窗口中输入nvcc -V

出现上述信息即为安装成功，注意nvcc -V的V需要大写，中间有个空格。

4.安装cuDNN

在英伟达的官网下载与cuda版本相应的cuDNN版本，官网链接为：cuDNN

点击download cuDNN，中间会让你填写个人信息，按照表格规范填写就可以了。